Target Selection and Validation of DESI Emission Line Galaxies
Notice bibliographique
Résumé
Abstract The Dark Energy Spectroscopic Instrument (DESI) will precisely constrain cosmic expansion and the growth of structure by collecting ∼40 million extragalactic redshifts across ∼80% of cosmic history and one-third of the sky. The Emission Line galaxy (ELG) sample, which will comprise about one-third of all DESI tracers, will be used to probe the universe over the 0.6 < z < 1.6 range, including the 1.1 < z < 1.6 range, which is expected to provide the tightest constraints. We present the target selection for the DESI Survey Validation (SV) and Main Survey ELG samples, which relies on the imaging of the Legacy Surveys. The Main ELG selection consists of a g -band magnitude cut and a ( g − r ) versus ( r − z ) color box, while the SV selection explores extensions of the Main selection boundaries. The Main ELG sample is composed of two disjoint subsamples, which have target densities of about 1940 deg −2 and 460 deg −2 , respectively. We first characterize their photometric properties and density variations across the footprint. We then analyze the DESI spectroscopic data that have been obtained from 2020 December to 2021 December in the SV and Main Survey. We establish a preliminary criterion for selecting reliable redshifts, based on the [O ii ] flux measurement, and assess its performance. Using this criterion, we are able to present the spectroscopic efficiency of the Main ELG selection, along with its redshift distribution. We thus demonstrate that the Main selection 1940 deg −2 subsample alone should provide 400 deg −2 and 460 deg −2 reliable redshifts in the 0.6 < z < 1.1 and the 1.1 < z < 1.6 ranges, respectively.
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 | 0,000 |
| 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 ».