MétaCan
Menu
Retour à la cohorte
Enregistrement W2980508536 · doi:10.3847/1538-4357/ab41fb

The Sloan Digital Sky Survey Reverberation Mapping Project: Comparison of Lag Measurement Methods with Simulated Observations

2019· article· en· W2980508536 sur OpenAlexaff
Jennifer I-Hsiu Li, Yue Shen, W. N. Brandt, C. J. Grier, Patrick B. Hall, Luis C. Ho, Y. Homayouni, K. Horne, Donald P. Schneider, Jonathan R. Trump, D. Starkey

Notice bibliographique

RevueThe Astrophysical Journal · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAstrophysics and Cosmic Phenomena
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésReverberation mappingLight curveLagNoise (video)MathematicsStatisticsPhysicsComputer scienceQuasarAstrophysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract We investigate the performance of different methodologies that measure the time lag between broad-line and continuum variations in reverberation mapping data using simulated light curves that probe a range of cadence, time baseline, and signal-to-noise ratio in the flux measurements. We compare three widely adopted lag-measuring methods: the interpolated cross-correlation function (ICCF), the z -transformed discrete correlation function (ZDCF), and the Markov chain Monte Carlo code JAVELIN , for mock data with qualities typical of multiobject spectroscopic reverberation mapping (MOS-RM) surveys that simultaneously monitor hundreds of quasars. We quantify the overall lag-detection efficiency, the rate of false detections, and the quality of lag measurements for each of these methods and under different survey designs (e.g., observing cadence and depth) using mock quasar light curves. Overall JAVELIN and ICCF outperform ZDCF in essentially all tests performed. Compared with ICCF, JAVELIN produces higher quality lag measurements, is capable of measuring more lags with timescales shorter than the observing cadence, is less susceptible to seasonal gaps and signal-to-noise ratio degradation in the light curves, and produces more accurate lag uncertainties. We measure the H β broad-line region size–luminosity ( R – L ) relation with each method using the simulated light curves to assess the impact of selection effects of the design of MOS-RM surveys. The slope of the R – L relation measured by JAVELIN is the least biased among the three methods and is consistent across different survey designs. These results demonstrate a clear preference for JAVELIN over the other two nonparametric methods for MOS-RM programs, particularly in the regime of limited light-curve quality as expected from most MOS-RM programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,068
Tête enseignante GPT0,310
Écart entre enseignants0,242 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations39
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Astrophysical JournalMême sujetAstrophysics and Cosmic PhenomenaTravaux en français237 207