HerMES: Deep galaxy number counts from a P(D) fluctuation analysis of SPIRE Science Demonstration Phase observations
Notice bibliographique
Résumé
Dusty, star-forming galaxies contribute to a bright, currently unresolved cosmic far-infrared background. Deep Herschel-Spectral and Photometric Imaging Receiver (SPIRE) images designed to detect and characterize the galaxies that comprise this background are highly confused, such that the bulk lies below the classical confusion limit. We analyse three fields from the Herschel Multi-tiered Extragalactic Survey (HerMES) programme in all three SPIRE bands (250, 350 and 500 μm); parametrized galaxy number count models are derived to a depth of ∼2 mJy beam^[−1], approximately four times the depth of previous analyses at these wavelengths, using a probability of deflection [P(D)] approach for comparison to theoretical number count models. Our fits account for 64, 60 and 43 per cent of the far-infrared background in the three bands. The number counts are consistent with those based on individually detected SPIRE sources, but generally inconsistent with most galaxy number count models, which generically overpredict the number of bright galaxies and are not as steep as the P(D)-derived number counts. Clear evidence is found for a break in the slope of the differential number counts at low flux densities. Systematic effects in the P(D) analysis are explored. We find that the effects of clustering have a small impact on the data, and the largest identified systematic error arises from uncertainties in the SPIRE beam.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».