PHotometry Assisted Spectral Extraction (PHASE) and identification of SNLS supernovae
Notice bibliographique
Résumé
\n Aims. We present new extraction and identification techniques for supernova (SN) spectra developed within the Supernova Legacy Survey (SNLS) collaboration.\n Methods. The new spectral extraction method takes full advantage of photometric information from the Canada-France-Hawaï telescope (CFHT) discovery and reference images by tracing the exact position of the supernova and the host signals on the spectrogram. When present, \nthe host \nspatial profile is measured on deep multi-band reference images and is\nused to model the host contribution to the full (supernova + host) signal. The supernova is modelled as a Gaussian function of width equal to the seeing. \nA $\\chi^2$ minimisation provides the flux of each component in each pixel of the \n2D spectrogram.\nFor a host-supernova separation greater than $\\ga$1 pixel, the two components are recovered separately and we do not use a spectral template in contrast to more standard analyses. This new procedure permits a clean extraction of the supernova separately from the host in about 70% of the 3rd year ESO/VLT spectra of the SNLS. A new supernova identification method is also proposed. It uses the SALT2 spectrophotometric template to combine the photometric and spectral data. A galaxy template is allowed for spectra for which a separate extraction of the supernova and the host was not possible.\n Results. These new techniques have been tested against more standard extraction and identification procedures. They permit a secure type and redshift\ndetermination in about 80% of cases. The present paper illustrates their performances on a few sample spectra.\n
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».