MétaCan
Menu
Retour à la cohorte
Enregistrement W3022315906 · doi:10.3847/1538-4357/ababa9

The Sloan Digital Sky Survey Reverberation Mapping Project: Mg ii Lag Results from Four Years of Monitoring

2020· article· en· W3022315906 sur OpenAlexaff

Notice bibliographique

RevueThe Astrophysical Journal · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueGalaxies: Formation, Evolution, Phenomena
Établissements canadiensYork University
Organismes subventionnairesScience and Technology Facilities Council
Mots-clésLagQuasarSkyReverberation mappingSupermassive black holeRedshiftReverberationAccretion (finance)

Résumé

récupéré en direct d'OpenAlex

Abstract We present reverberation mapping results for the Mg ii λ2800 Å broad emission line in a sample of 193 quasars at 0.35 < z < 1.7 with photometric and spectroscopic monitoring observations from the Sloan Digital Sky Survey Reverberation Mapping project during 2014–2017. We find significant time lags between the Mg ii and continuum lightcurves for 57 quasars, and define a “gold sample” of 24 quasars with the most reliable lag measurements. We estimate false-positive rates for each lag that range from 1% to 24%, with an average false-positive rate of 11% for the full sample and 8% for the gold sample. There are an additional ∼40 quasars with marginal Mg ii lag detections, which may yield reliable lags after additional years of monitoring. The Mg ii lags follow a radius–luminosity relation with a best-fit slope that is consistent with α = 0.5 , but with an intrinsic scatter of 0.36 dex that is significantly larger than found for the Hβ radius–luminosity relation. For targets with SDSS-RM lag measurements of other emission lines, we find that our Mg ii lags are similar to the Hβ lags and ∼2–3 times larger than the C iv lags. This work significantly increases the number of Mg ii broad-line lags and provides additional reverberation-mapped black hole masses, filling the redshift gap at the peak of supermassive black hole growth between the Hβ and C iv emission lines in optical spectroscopy.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,227
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 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'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

Citations82
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Astrophysical JournalMême sujetGalaxies: Formation, Evolution, PhenomenaTravaux en français237 207