Dwarfs or Giants? Stellar Metallicities and Distances from ugrizG Multiband Photometry
Notice bibliographique
Résumé
We present a new fully data-driven algorithm that uses photometric data from the Canada-France-Imaging-Survey (CFIS; $u$), Pan-STARRS 1 (PS1; $griz$), and Gaia ($G$) to discriminate between dwarf and giant stars and to estimate their distances and metallicities. The algorithm is trained and tested using the SDSS/SEGUE spectroscopic dataset and Gaia photometric/astrometric dataset. At [Fe/H]$<-1.2$, the algorithm succeeds in identifying more than 70% of the giants in the training/test set, with a dwarf contamination fraction below 30% (with respect to the SDSS/SEGUE dataset). The photometric metallicity estimates have uncertainties better than 0.2 dex when compared with the spectroscopic measurements. The distances estimated by the algorithm are valid out to a distance of at least $\sim 80$ kpc without requiring any prior on the stellar distribution, and have fully independent uncertainities that take into account both random and systematic errors. These advances allow us to estimate these stellar parameters for approximately 12 million stars in the photometric dataset. This will enable studies involving the chemical mapping of the distant outer disc and the stellar halo, including their kinematics using the Gaia proper motions. This type of algorithm can be applied in the Southern hemisphere to the first release of LSST data, thus providing an almost complete view of the external components of our Galaxy out to at least $\sim 80$ kpc. Critical to the success of these efforts will be ensuring well-defined spectroscopic training sets that sample a broad range of stellar parameters with minimal biases. A catalogue containing the training/test set and all relevant parameters within the public footprint of CFIS is available online.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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 ».