Realistic synthetic integral field spectroscopy with RealSim-IFS
Notice bibliographique
Résumé
ABSTRACT The most direct way to confront observed galaxies with those formed in numerical simulations is to forward-model simulated galaxies into synthetic observations. Provided that synthetic galaxy observations include similar constraints and limitations as real observations, they can be used to (1) carry out even-handed comparisons of observation and theory and (2) map the observable characteristics of simulated galaxies to their a priori known origins. In particular, integral field spectroscopy (IFS) expands the scope of such comparisons and mappings to an exceptionally broad set of physical properties. We therefore present RealSim-IFS, a tool for forward-modelling galaxies from hydrodynamical simulations into synthetic IFS observations. The core components of RealSim-IFS model the detailed spatial sampling mechanics of any fibre-bundle, image slicer, or lenslet array IFU and corresponding observing strategy, real or imagined, and support the corresponding propagation of noise adopted by the user. The code is highly generalized and can produce cubes in any light- or mass-weighted quantity (e.g. specific intensity, gas/stellar line-of-sight velocity, stellar age/metallicity, etc.). We show that RealSim-IFS exactly reproduces the spatial reconstruction of specific intensity and variance cubes produced by the MaNGA survey Data Reduction Pipeline using the calibrated fibre spectra as input. We then apply RealSim-IFS by producing a public synthetic MaNGA stellar kinematic survey of 893 galaxies with log (M⋆/M⊙) > 10 from the TNG50 cosmological hydrodynamical simulation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».