MétaCan
Menu
Retour à la cohorte
Enregistrement W3094565398 · doi:10.3847/2515-5172/abc25a

Preliminary Target Selection for the DESI Bright Galaxy Survey (BGS)

2020· article· en· W3094565398 sur OpenAlexaff
Omar Ruiz-Macias, Pauline Zarrouk, Shaun Cole, P. Norberg, C. M. Baugh, D. Brooks, Arjun Dey, Yutong Duan, Sarah Eftekharzadeh, Daniel J. Eisenstein, J. E. Forero-Romero, E. Gaztañaga, ChangHoon Hahn, R. Kehoe, Martin Landriau, Dustin Lang, M. E. Levi, J. R. Lucey, Aaron Meisner, John Moustakas, Adam D. Myers, N. Palanque‐Delabrouille, Claire Poppett, Francisco Prada, Anand Raichoor, David J. Schlegel, M. Schubnell, G. Tarlé, David H. Weinberg, Michael Wilson, Christophe Yèche

Notice bibliographique

RevueResearch Notes of the AAS · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueGalaxies: Formation, Evolution, Phenomena
Établissements canadiensPerimeter InstituteUniversity of Waterloo
Organismes subventionnairesScience and Technology Facilities Council
Mots-clésRedshiftPhysicsAstrophysicsGalaxySpurious relationshipAstronomySelection (genetic algorithm)Computer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract The Dark Energy Spectroscopic Instrument (DESI) will execute a nearly magnitude-limited survey of low redshift galaxies (0.05 ≤ z ≤ 0.4, median z ≈ 0.2). Clustering analyses of this Bright Galaxy Survey (BGS) will yield the most precise measurements to date of baryon acoustic oscillations and redshift-space distortions at low redshift. DESI BGS will comprise two target classes: (i) BRIGHT ( r < 19.5 mag), and (ii) FAINT (19.5 < r < 20 mag). Here we present a summary of the star-galaxy separation, and different photometric and geometrical masks, used in BGS to reduce the number of spurious targets. The selection results in a total density of ∼800 objects deg −2 for the BRIGHT and ∼600 objects deg −2 for the FAINT selections. A full characterization of the BGS selection can be found in Ruiz-Macias et al.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,015
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0150,009

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 Opus0,084
Tête enseignante GPT0,325
Écart entre enseignants0,241 · 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

Citations68
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Notes of the AASMême sujetGalaxies: Formation, Evolution, PhenomenaTravaux en français237 207