Target Selection and Validation of DESI Luminous Red Galaxies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The Dark Energy Spectroscopic Instrument (DESI) is carrying out a five-year survey that aims to measure the redshifts of tens of millions of galaxies and quasars, including 8 million luminous red galaxies (LRGs) in the redshift range 0.4 < z ≲ 1.0. Here we present the selection of the DESI LRG sample and assess its spectroscopic performance using data from Survey Validation (SV) and the first two months of the Main Survey. The DESI LRG sample, selected using g , r , z , and W 1 photometry from the DESI Legacy Imaging Surveys, is highly robust against imaging systematics. The sample has a target density of 605 deg −2 and a comoving number density of 5 × 10 −4 h 3 Mpc −3 in 0.4 < z < 0.8; this is a significantly higher density than previous LRG surveys (such as SDSS, BOSS, and eBOSS) while also extending to z ∼ 1. After applying a bright star veto mask developed for the sample, 98.9% of the observed LRG targets yield confident redshifts (with a catastrophic failure rate of 0.2% in the confident redshifts), and only 0.5% of the LRG targets are stellar contamination. The LRG redshift efficiency varies with source brightness and effective exposure time, and we present a simple model that accurately characterizes this dependence. In the appendices, we describe the extended LRG samples observed during SV.
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.
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 découle