MétaCan
Menu
← Retour à la cohorte
Enregistrement W4377232554 · doi:10.1051/0004-6361/202346129

Spectral stacking of radio-interferometric data

2023· article· en· W4377232554 sur OpenAlexfundno aff
Lukas Neumann, Jakob S. den Brok, Frank Bigiel, Adam K. Leroy, A. Usero, Ashley T. Barnes, Ivana Bešlić, Cosima Eibensteiner, Malena Held, María J. Jiménez-Donaire, J. Pety, Erik Rosolowsky, Eva Schinnerer, Thomas G. Williams

Notice bibliographique

RevueAstronomy and Astrophysics · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAstrophysics and Star Formation Studies
Établissements canadiensnon disponible
Organismes subventionnairesCentre National de la Recherche ScientifiqueCentre National d’Etudes SpatialesDeutsche ForschungsgemeinschaftNatural Sciences and Engineering Research Council of CanadaEuropean CommissionAlexander von Humboldt-StiftungNational Science Foundation
Mots-clésPhysicsStackingInterferometryAstrophysicsSpectral lineEmission spectrumContext (archaeology)Astronomical interferometerLine (geometry)Intensity mappingGalaxyOpticsAstronomyNuclear magnetic resonanceRedshift

Résumé

récupéré en direct d'OpenAlex

Context. Mapping molecular line emission beyond the bright low- J CO transitions is still challenging in extragalactic studies, even with the latest generation of (sub-)millimetre interferometers, such as ALMA and NOEMA. Aims. We summarise and test a spectral stacking method that has been used in the literature to recover low-intensity molecular line emission, such as HCN(1−0), HCO + (1−0), and even fainter lines in external galaxies. The goal is to study the capabilities and limitations of the stacking technique when applied to imaged interferometric observations. Methods. The core idea of spectral stacking is to align spectra of the low S/N spectral lines to a known velocity field calculated from a higher S/N line expected to share the kinematics of the fainter line (e.g. CO(1−0) or 21 cm emission). Then these aligned spectra can be coherently averaged to produce potentially high S/N spectral stacks. Here we used imaged simulated interferometric and total power observations at different S/N levels, based on real CO observations. Results. For the combined interferometric and total power data, we find that the spectral stacking technique is capable of recovering the integrated intensities even at low S/N levels across most of the region where the high S/N prior is detected. However, when stacking interferometer-only data for low S/N emission, the stacks can miss up to 50% of the emission from the fainter line. Conclusions. A key result of this analysis is that the spectral stacking method is able to recover the true mean line intensities in low S/N cubes and to accurately measure the statistical significance of the recovered lines. To facilitate the application of this technique we provide a public Python package, called P Y S TACKER .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,257
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAstronomy and Astrophysics→Même sujetAstrophysics and Star Formation Studies→Travaux en français237 207→