<i>Euclid</i> preparation
Notice bibliographique
Résumé
Extragalactic globular clusters (EGCs) are an abundant and powerful tracer of galaxy dynamics and formation, and their own formation and evolution is also a matter of extensive debate. The compact nature of globular clusters means that they are hard to spatially resolve and thus study outside the Local Group. In this work we have examined how well EGCs will be detectable in images from the Euclid telescope, using both simulated pre-launch images and the first early-release observations of the Fornax galaxy cluster. The Euclid Wide Survey will provide high-spatial resolution VIS imaging in the broad IE band as well as near-infrared photometry (YE, JE, and HE). We estimate that the 24 719 known galaxies within 100 Mpc in the footprint of the Euclid survey host around 830 000 EGCs of which about 350 000 are within the survey’s detection limits. For about half of these EGCs, three infrared colours will be available as well. For any galaxy within 50 Mpc the brighter half of its GC luminosity function will be detectable by the Euclid Wide Survey. The detectability of EGCs is mainly driven by the residual surface brightness of their host galaxy. We find that an automated machine-learning EGC-classification method based on real Euclid data of the Fornax galaxy cluster provides an efficient method to generate high purity and high completeness GC candidate catalogues. We confirm that EGCs are spatially resolved compared to pure point sources in VIS images of Fornax. Our analysis of both simulated and first on-sky data show that Euclid will increase the number of GCs accessible with high-resolution imaging substantially compared to previous surveys, and will permit the study of GCs in the outskirts of their hosts. Euclid is unique in enabling systematic studies of EGCs in a spatially unbiased and homogeneous manner and is primed to improve our understanding of many understudied aspects of GC astrophysics.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,516 | 0,554 |
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 ».