Euclid: Early Release Observations -- Globular clusters in the Fornax galaxy cluster, from dwarf galaxies to the intracluster field
Notice bibliographique
Résumé
We present an analysis of Euclid observations of a 0.5 deg$^2$ field in the central region of the Fornax galaxy cluster that were acquired during the performance verification phase. With these data, we investigate the potential of Euclid for identifying GCs at 20 Mpc, and validate the search methods using artificial GCs and known GCs within the field from the literature. Our analysis of artificial GCs injected into the data shows that Euclid's data in $I_{\rm E}$ band is 80% complete at about $I_{\rm E} \sim 26.0$ mag ($M_{V\rm } \sim -5.0$ mag), and resolves GCs as small as $r_{\rm h} = 2.5$ pc. In the $I_{\rm E}$ band, we detect more than 95% of the known GCs from previous spectroscopic surveys and GC candidates of the ACS Fornax Cluster Survey, of which more than 80% are resolved. We identify more than 5000 new GC candidates within the field of view down to $I_{\rm E}$ mag, about 1.5 mag fainter than the typical GC luminosity function turn-over magnitude, and investigate their spatial distribution within the intracluster field. We then focus on the GC candidates around dwarf galaxies and investigate their numbers, stacked luminosity distribution and stacked radial distribution. While the overall GC properties are consistent with those in the literature, an interesting over-representation of relatively bright candidates is found within a small number of relatively GC-rich dwarf galaxies. Our work confirms the capabilities of Euclid data in detecting GCs and separating them from foreground and background contaminants at a distance of 20 Mpc, particularly for low-GC count systems such as dwarf galaxies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».