JWST PEARLS. Prime Extragalactic Areas for Reionization and Lensing Science: Project Overview and First Results
Notice bibliographique
Résumé
Abstract We give an overview and describe the rationale, methods, and first results from NIRCam images of the JWST “Prime Extragalactic Areas for Reionization and Lensing Science” (PEARLS) project. PEARLS uses up to eight NIRCam filters to survey several prime extragalactic survey areas: two fields at the North Ecliptic Pole (NEP); seven gravitationally lensing clusters; two high redshift protoclusters; and the iconic backlit VV 191 galaxy system to map its dust attenuation. PEARLS also includes NIRISS spectra for one of the NEP fields and NIRSpec spectra of two high-redshift quasars. The main goal of PEARLS is to study the epoch of galaxy assembly, active galactic nucleus (AGN) growth, and First Light. Five fields—the JWST NEP Time-Domain Field (TDF), IRAC Dark Field, and three lensing clusters—will be observed in up to four epochs over a year. The cadence and sensitivity of the imaging data are ideally suited to find faint variable objects such as weak AGN, high-redshift supernovae, and cluster caustic transits. Both NEP fields have sightlines through our Galaxy, providing significant numbers of very faint brown dwarfs whose proper motions can be studied. Observations from the first spoke in the NEP TDF are public. This paper presents our first PEARLS observations, their NIRCam data reduction and analysis, our first object catalogs, the 0.9–4.5 μ m galaxy counts and Integrated Galaxy Light. We assess the JWST sky brightness in 13 NIRCam filters, yielding our first constraints to diffuse light at 0.9–4.5 μ m. PEARLS is designed to be of lasting benefit to the community.
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 | 0,001 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».