A Holistic Exploration of the Potentially Recoverable Redshift Information of Stage IV Galaxy Surveys
Notice bibliographique
Résumé
Abstract Extragalactic science and cosmology with Stage IV galaxy surveys will rely almost exclusively on redshift measurements derived solely from photometry, which are subject to systematic and statistical uncertainties with numerous analysis choices. Single-survey photometric redshift estimates ought to be improved by combining data from multiple surveys, with common wisdom asserting that optical data benefits from additional infrared (IR) but not ultraviolet (UV) coverage. The degree of improvement for either is not well characterized, and attempts necessitate assumptions of a chosen estimator and its prior information. We apply an information-theoretic metric of potentially recoverable redshift information to assess the impact of multi-survey photometry without assuming an estimator or priors in the context of the Vera C. Rubin Observatory Legacy Survey of Space and Time (lsst) in the optical, Roman and Euclid (roman and euclid) in the IR, and Cosmological Advanced Survey Telescope for Optical-UV Research (c astor) in the UV. Our approach uses mock catalogs to approximate conditional relationships between color and redshift from real samples, but is otherwise independent of estimator and prior information. We conclude that adding UV photometry can benefit redshift determination of certain galaxy populations, but that gain is tempered by their decreased chance of meeting detection criteria at higher wavelengths. We explore the spectral energy distributions of galaxies whose potentially recoverable redshift information is most impacted by additional photometry. The holistic assessment approach we develop here is generic and may be applied to quantify the impact of combining photometric data sets, changing experimental design, optimizing observing strategy, and mitigating systematics.
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 | 0,013 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».