The ESSENCE Supernova Survey: Survey Optimization, Observations, and Supernova Photometry
Notice bibliographique
Résumé
We describe the implementation and optimization of the ESSENCE supernova survey, which we have undertaken to measure the dark energy equation‐of‐state parameter, . We present a method for optimizing the survey exposure times and cadence to maximize our sensitivity to w for a given fixed amount of telescope time. For our survey on the CTIO 4 m telescope, measuring the luminosity distances and redshifts for supernovae at modest redshifts ( ) is optimal for determining w. We describe the data analysis pipeline based on using reliable and robust image subtraction to find supernovae automatically and in nearly real time. Since making cosmological inferences with supernovae relies crucially on accurate measurement of their apparent brightnesses, we describe our efforts to establish a thorough calibration of the CTIO 4 m telescope’s natural photometric system. In its first four years, ESSENCE has discovered and spectroscopically confirmed 102 Type Ia supernovae, at redshifts from 0.10 to 0.78, identified through an impartial, effective methodology for spectroscopic classification and redshift determination. We present the resulting light curves for all of the Type Ia supernovae found by ESSENCE and used in our measurement of w, presented in a companion paper by Wood‐Vasey and coworkers.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».