MétaCan
Menu
Retour à la cohorte
Enregistrement W2966517839 · doi:10.3847/2041-8213/ab3e0f

The Sloan Digital Sky Survey Reverberation Mapping Project: Improving Lag Detection with an Extended Multiyear Baseline

2019· article· en· W2966517839 sur OpenAlexaff

Notice bibliographique

RevueThe Astrophysical Journal Letters · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueRadio Astronomy Observations and Technology
Établissements canadiensYork University
Organismes subventionnairesScience and Technology Facilities Council
Mots-clésSkyPhotometry (optics)Light curveReverberation mappingReverberationLag

Résumé

récupéré en direct d'OpenAlex

Abstract We investigate the effects of extended multiyear light curves (9 yr photometry and 5 yr spectroscopy) on the detection of time lags between the continuum variability and broad-line response of quasars at z ≳ 1.5, and compare with the results using 4 yr photometry+spectroscopy presented in a companion paper. We demonstrate the benefits of the extended light curves in three cases: (1) lags that are too long to be detected by the shorter-duration data but can be detected with the extended data; (2) lags that are recovered by the extended light curves but are missed in the shorter-duration data due to insufficient light-curve quality; and (3) lags for different broad-line species in the same object. These examples demonstrate the importance of long-term monitoring for reverberation mapping to detect lags for luminous quasars at high redshift, and the expected performance of the final data set from the Sloan Digital Sky Survey Reverberation Mapping project that will have 11 yr photometric and 7 yr spectroscopic baselines.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,839
Score d'incertitude au seuil0,484

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,209
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Astrophysical Journal LettersMême sujetRadio Astronomy Observations and TechnologyTravaux en français237 207