A search for X-ray absorbed sources in the 3XMM catalogue using photometric redshifts and Bayesian spectral fits
Notice bibliographique
Résumé
Since its launch in 1999, the XMM-Newton mission has compiled the largest catalogue of serendipitous X-ray sources, with the 3XMM being the third version of this catalogue. This was possible thanks to the combination of a large effective area (5000 cm2 at 1 keV) and a wide field of view (30 arcmin). The 3XMM-DR6 catalogue contains about 470 000 unique X-ray sources over an area of 982 deg2. A significant fraction of these (100 178 sources) have reliable optical, near-(NIR), and mid-infrared (MIR) counterparts in the SDSS, PANSTARRS, VIDEO, UKIDSS, and WISE surveys. In a previous paper we presented photometric redshifts for these sources using the TPZ machine-learning algorithm. About a quarter of these (22 677) have adequate photon statistics, meaning that a reliable X-ray spectrum can be extracted. Owing to both the X-ray counts selection and the optical counterpart constraint, the sample above is biased towards the bright sources. Here, we present XMMFITCAT-Z: a spectral fit catalogue for these sources using the Bayesian X-ray Analysis technique. To demonstrate the potential of the present catalogue, we comment on the optical and MIR colours of the 765 X-ray absorbed sources with NH > 1022 cm−2. We show that a considerable fraction of X-ray-selected AGNs would not be classified as AGNs following the MIR W1–W2 versus W2 selection criterion. These are AGNs with lower luminosities, where the contribution of the host galaxy to the MIR emission is non-negligible. Only one-third of obscured AGNs in X-rays present red colours or r–W2 > 6. Also, it appears that the r–W2 criterion, often used in the literature for the selection of obscured AGNs, produces very different X-ray absorbed AGN samples compared to the standard X-ray selection criteria.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».