JEMS: A Deep Medium-band Imaging Survey in the Hubble Ultra Deep Field with JWST NIRCam and NIRISS
Notice bibliographique
Résumé
Abstract We present JWST Extragalactic Medium-band Survey, the first public medium-band imaging survey carried out using JWST/NIRCam and NIRISS. These observations use ∼2 and ∼4 μ m medium-band filters (NIRCam F182M, F210M, F430M, F460M, F480M; and NIRISS F430M and F480M in parallel) over 15.6 arcmin 2 in the Hubble Ultra Deep Field (UDF), thereby building on the deepest multiwavelength public data sets available anywhere on the sky. We describe our science goals, survey design, NIRCam and NIRISS image reduction methods, and describe our first data release of the science-ready mosaics, which reach 5 σ point-source limits (AB mag) of ∼29.3–29.4 in 2 μ m filters and ∼28.2–28.7 at 4 μ m. Our chosen filters create a JWST imaging survey in the UDF that enables novel analysis of a range of spectral features potentially across the redshift range of 0.3 < z < 20, including Paschen- α , H α +[N ii ], and [O iii ]+H β emission at high spatial resolution. We find that our JWST medium-band imaging efficiently identifies strong line emitters (medium-band colors >1 mag) across redshifts 1.5 < z < 9.3, most prominently H α +[N ii ] and [O iii ]+H β . We present our first data release including science-ready mosaics of each medium-band image available to the community, adding to the legacy value of past and future surveys in the UDF. This survey demonstrates the power of medium-band imaging with JWST, informing future extragalactic survey strategies using JWST observations.
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 | 0,001 | 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 ».