Optimized Photometric Redshifts for the Cosmic Assembly Near-infrared Deep Extragalactic Legacy Survey (CANDELS)
Notice bibliographique
Résumé
Abstract We present the first comprehensive release of photometric redshifts (photo- z's) from the Cosmic Assembly Near-Infrared Deep Extragalactic Legacy Survey (CANDELS) team. We use statistics based upon the Quantile–Quantile (Q–Q) plot to identify biases and signatures of underestimated or overestimated errors in photo- z probability density functions (PDFs) produced by six groups in the collaboration; correcting for these effects makes the resulting PDFs better match the statistical definition of a PDF. After correcting each group’s PDF, we explore three methods of combining the different groups’ PDFs for a given object into a consensus curve. Two of these methods are based on identifying the minimum f-divergence curve, i.e., the PDF that is closest in aggregate to the other PDFs in a set (analogous to the median of an array of numbers). We demonstrate that these techniques yield improved results using sets of spectroscopic redshifts independent of those used to optimize PDF modifications. The best photo- z PDFs and point estimates are achieved with the minimum f-divergence using the best four PDFs for each object (mFDa4) and the hierarchical Bayesian (HB4) methods, respectively. The HB4 photo- z point estimates produced σ NMAD = 0.0227/0.0189 and ∣Δz/(1 + z)∣ > 0.15 outlier fraction = 0.067/0.019 for spectroscopic and 3D Hubble Space Telescope redshifts, respectively. Finally, we describe the structure and provide guidance for the use of the CANDELS photo- z catalogs, which are available at https://archive.stsci.edu/prepds/candels/ .
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 | 0,009 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».