Characterising SMSS J2157–3602, the most luminous known quasar, with accretion disc models
Notice bibliographique
Résumé
ABSTRACT We develop an accretion disc (AD)-fitting method, utilizing thin and slim disc models and Bayesian inference with the Markov-Chain Monte Carlo approach, testing it on the most luminous known quasar, SMSS J215728.21-360215.1, at redshift z = 4.692. With a spectral energy distribution constructed from near-infrared spectra and broad-band photometry, the AD models find a black hole mass of $\log (M_{\rm {AD}}/{\rm M}_{\odot }) = 10.31^{+0.17}_{-0.14}$ with an anisotropy-corrected bolometric luminosity of $\log {(L_{\rm {bol}}/\rm {erg\, s^{-1}})} = 47.87 \pm 0.10$ and derive an Eddington ratio of $0.29^{+0.11}_{-0.10}$ as well as a radiative efficiency of $0.09^{+0.05}_{-0.03}$. Using the near-infrared spectra, we estimate the single-epoch virial black hole mass estimate to be log (MSE/M⊙) = 10.33 ± 0.08, with a monochromatic luminosity at 3000 Å of $\log {(L(\rm {3000{\AA}})/\rm {erg\, s^{-1}})} = 47.66 \pm 0.01$. As an independent approach, AD fitting has the potential to complement the single-epoch virial mass method in obtaining stronger constraints on properties of massive quasar black holes across a wide range of redshifts.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».