Nine lensed quasars and quasar pairs discovered through spatially extended variability in Pan-STARRS
Notice bibliographique
Résumé
We present the proof of concept of a method for finding strongly lensed quasars using their spatially extended photometric variability through difference imaging in cadenced imaging survey data. We applied the method to Pan-STARRS, starting with an initial selection of 14 107 Gaia multiplets with quasar-like infrared colours from WISE. We identified 229 candidates showing notable spatially extended variability during the Pan-STARRS survey period. These include 20 known lenses and an additional 12 promising candidates for which we obtained long-slit spectroscopy follow-up. This process resulted in the confirmation of four doubly lensed quasars, four unclassified quasar pairs, and one projected quasar pair. Only three are pairs of stars or quasar+star projections. The false-positive rate accordingly is 25%. The lens separations are between 0.81″ and 1.24″, and the source redshifts lie between z = 1.47 and z = 2.46. Three of the unclassified quasar pairs are promising dual-quasar candidates with separations ranging from 6.6 to 9.3 kpc. We expect that this technique is a particularly efficient way to select lensed variables in the upcoming Rubin -LSST, which will be crucial given the expected limitations for spectroscopic follow-up.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».