SMILE: Discriminating milli-lens systems in a VLBI pilot project
Notice bibliographique
Résumé
Context. Dark matter (DM) remains poorly probed on critical sub-galactic scales, where predictions from different models diverge in terms of abundance and density profiles of halos. Gravitational lens systems on milli-arcsecond scales (milli-lenses) are expected for a population of dense DM halos (free-floating or sub-halos) and free-floating supermassive black holes (SMBHs) in the mass range of 106 to 109 M⊙ that might partly be comprised of primordial black holes (PBHs). Aims. In this paper, we aim to look for possible milli-lens systems via a systematic search in a large sample of radio-loud active galactic nuclei (AGN) observed with very long baseline interferometry (VLBI). We present the observational strategy to discriminate milli-lens systems from contaminant objects mimicking a milli-lens morphology. Methods. In a pilot project, we have investigated VLBI images from 13 828 sources from the Astrogeo VLBI image database and reduced the number of lens candidates to 40 in a first step. We present here the images and analysis of new sensitive follow-up observations with the European VLBI network at 5 and 22 GHz and streamline our analysis to reject milli-lens candidates. By using constraints such as the surface brightness ratio, conservation of spectral shape, stability of flux ratios over time, and changes in morphology at higher frequencies, we can confidently discriminate between milli-lenses and contaminant objects that mimick them. Results. Using the above constraints, we ruled out 31 of our initial 40 candidates of milli-lens systems, demonstrating the power of our approach. In addition, we found many new candidate compact symmetric objects (CSOs), which are thought to be primarily short-lived jetted radio sources. Conclusions. Additional observations of the remaining candidates will be necessary to confirm or reject their nature as milli-lenses or CSOs. This study serves as a pathfinder for the final sample used for the Search for MIlli-LEnses (SMILE) project, which will allow DM models to be constrained by comparing the results to theoretical predictions. This SMILE sample will consist of ∼5000 sources based on the VLA CLASS survey and will include many observations obtained for this project specifically.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».