<i>Euclid</i>: The Early Release Observations Lens Search Experiment
Notice bibliographique
Résumé
We investigated the ability of the Euclid telescope to detect galaxy-scale gravitational lenses. To do so, we performed a systematic visual inspection of the 0.7 deg 2 Euclid Early Release Observations data towards the Perseus cluster using both the high-resolution I E band and the lower-resolution Y E , J E , and H E bands. Each extended source brighter than magnitude 23 in I E was inspected by 41 expert human classifiers. This amounts to 12086 stamps of 10″ × 10″. We found 3 grade A and 13 grade B candidates. We assessed the validity of these 16 candidates by modelling them and checking that they are consistent with a single source lensed by a plausible mass distribution. Five of the candidates pass this check, five others are rejected by the modelling, and six are inconclusive. Extrapolating from the five successfully modelled candidates, we infer that the full 14 000 deg 2 of the Euclid Wide Survey should contain 100 000 −30 000 + 70 000 galaxy-galaxy lenses that are both discoverable through visual inspection and have valid lens models. This is consistent with theoretical forecasts of 170 000 discoverable galaxy-galaxy lenses in Euclid . Our five modelled lenses have Einstein radii in the range 0'.'68 < θ E < 1″.24, but their Einstein radius distribution is on the higher side when compared to theoretical forecasts. This suggests that our methodology is likely missing small-Einstein-radius systems. Whilst it is implausible to visually inspect the full Euclid dataset, our results corroborate the promise that Euclid will ultimately deliver a sample of around 10 5 galaxy-scale lenses.
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) | 0,000 | 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 | 0,000 |
| 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 ».