MétaCan
Menu
Retour à la cohorte
Enregistrement W4406472765 · doi:10.3847/1538-4365/ad9c6d

Identification of 4876 Bent-tail Radio Galaxies in the FIRST Survey Using Deep Learning Combined with Visual Inspection

2025· article· en· W4406472765 sur OpenAlexfundno aff
Baoqiang Lao, H. Andernach, Xiaolong Yang, X. Zhang, Ru-Shuang Zhao, Zhen Zhao, Yun Yu, Xiaohui Sun, Sheng‐Li Qin

Notice bibliographique

RevueThe Astrophysical Journal Supplement Series · 2025
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueRadio Astronomy Observations and Technology
Établissements canadiensnon disponible
Organismes subventionnairesSLAC National Accelerator LaboratoryArgonne National LaboratoryYork UniversityMinistério da Ciência, Tecnologia e InovaçãoScience and Technology Facilities CouncilOffice of ScienceUniversity of Colorado BoulderLawrence Berkeley National LaboratoryJet Propulsion LaboratoryUniversity of Illinois at Urbana-ChampaignMax-Planck-Institut für AstrophysikNational Key Research and Development Program of ChinaUniversidad Nacional Autónoma de MéxicoChinese Academy of SciencesDeutsche ForschungsgemeinschaftFermilabMax-Planck-Institut für AstronomieIntegrated Electronics Engineering Center, Binghamton UniversityUniversity of EdinburghUniversity of SussexNational Science FoundationUniversity of MichiganChina Postdoctoral Science FoundationUniversity of NottinghamUniversity of OxfordUniversity of CambridgeOhio State UniversityNational Natural Science Foundation of ChinaYale UniversityU.S. Department of EnergySmithsonian InstitutionNational Radio Astronomy ObservatoryLeibniz-GemeinschaftUniversity of Notre DameCarnegie Mellon UniversityUniversity of California, Los AngelesUniversity of WashingtonAlfred P. Sloan FoundationJohns Hopkins UniversityCarnegie Institution of WashingtonUniversity of PortsmouthNew Mexico State UniversityUniversity of UtahCanadian Space AgencyVanderbilt UniversityUniversity of ChicagoUniversity of CaliforniaFinanciadora de Estudos e ProjetosUniversity of PennsylvaniaUniversity College LondonNational Aeronautics and Space AdministrationCalifornia Institute of Technology
Mots-clésIdentification (biology)GalaxyArtificial intelligenceComputer scienceBent molecular geometryComputer visionAstronomyPhysicsEngineeringBiologyStructural engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Bent-tail radio galaxies (BTRGs) are characterized by bent radio lobes. This unique shape is mainly caused by the movement of the galaxy within a cluster, during which the radio jets are deflected by the intracluster medium. A combined method, which involves a deep learning-based radio source finder along with visual inspection, has been utilized to search for BTRGs from the Faint Images of the Radio Sky at Twenty cm survey images. Consequently, a catalog of 4876 BTRGs has been constructed, among which 3871 are newly discovered. Based on the classification scheme of the opening angle between the two jets of the galaxy, BTRGs are typically classified as either wide-angle-tail (WAT) sources or narrow-angle-tail (NAT) sources. Our catalog comprises 4424 WATs and 652 NATs. Among these, optical counterparts are identified for 4193 BTRGs. This catalog covers luminosities in the range of 1.91 × 10 20 ≤ L 1.4 GHz ≤ 1.45 × 10 28 W Hz −1 and redshifts from z = 0.0023 to z = 3.43. Various physical properties of these BTRGs and their statistics are presented. Particularly, by the nearest neighbor method, we found that 1825 BTRGs in this catalog belong to galaxy clusters reported in literature.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,247
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Astrophysical Journal Supplement SeriesMême sujetRadio Astronomy Observations and TechnologyTravaux en français237 207