AMICO galaxy clusters in KiDS-1000: Cosmological sample
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Context. Galaxy clusters provide key insights into cosmic structure formation and galaxy formation, and they are essential for cosmological studies. Aims. We present a catalog of galaxy clusters detected in the Kilo-Degree Survey (KiDS-DR4) optimized for cosmological analyses and investigations of cluster properties. Each detection includes probabilistic membership assignments for the KiDS-DR4 galaxies within the magnitude range 15 < r ′< 24. Methods. Using the Adaptive Matched Identifier of Clustered Objects (AMICO) algorithm, we identified 23 965 clusters over an effective area of about 839 deg 2 in the redshift range 0.1 ≤ z ≤ 0.9, with a signal-to-noise ratio of S / N > 3.5. The sample is highly homogeneous across the entire survey thanks to the restrictive galaxy selection criteria we adopted. Spectroscopic data from the GAMA survey were used to calibrate the photometric redshift of the clusters and assess their uncertainties. We introduced algorithmic enhancements to AMICO to mitigate border effects among neighbor tiles. Quality flags are also provided for each cluster detection. The sample purity and completeness assessments were estimated using the S IN F ONI A data driven approach, thus avoiding strong assumptions embedded in numerical simulations. We introduced a blinding scheme of the selection function that is intended to support the cosmological analyses. Results. Our cluster sample includes 321 cross-matches with the X-ray eRASS1 “primary” sample and 235 matches with the ACT-DR5 cluster sample. We derived a mass-proxy scaling relation based on intrinsic richness, λ * , using masses from the eRASS1 catalog. Conclusions. The KiDS-DR4 cluster catalog provides a valuable dataset for investigating galaxy cluster properties and contributes to cosmological studies by offering a large, well-characterized cluster sample.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle