The CatSouth Quasar Candidate Catalog for the Southern Sky and a Unified All-sky Catalog Based on Gaia DR3
Notice bibliographique
Résumé
Abstract The Gaia DR3 has provided a large sample of more than 6.6 million quasar candidates with high completeness but low purity. Previous work on the CatNorth quasar candidate catalog has shown that including external multiband data and applying machine learning methods can efficiently purify the original Gaia DR3 quasar candidate catalog and improve the redshift estimates. In this paper, we extend the Gaia DR3 quasar candidate selection to the Southern Hemisphere using data from SkyMapper, CatWISE, and Visible and Infrared Survey Telescope for Astronomy surveys. We train an XGBoost classifier on a unified set of high-confidence stars and spectroscopically confirmed quasars and galaxies. For sources with available Gaia BP/RP spectra, spectroscopic redshifts are derived using a pretrained convolutional neural network (RegNet). We also train an ensemble photometric redshift estimation model based on XGBoost, TabNet, and FT-Transformer, achieving a root mean square error of 0.2256 and a normalized median absolute deviation of 0.0187 on the validation set. By merging CatSouth with the previously published CatNorth catalog, we construct the unified all-sky CatGlobe catalog with nearly 1.9 million sources at G < 21, providing a comprehensive and high-purity quasar candidate sample for future spectroscopic and cosmological investigations.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| 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) | 0,010 | 0,003 |
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 ».