The impact of medium-width bands on the selection and subsequent luminosity function measurements of high-<i>z</i> galaxies
Notice bibliographique
Résumé
ABSTRACT New, ultra-deep medium-width photometric coverage with James Webb Space Telescope (JWST)’s NIRCam instrument provides the potential for much improved photo-z reliability at high redshifts. In this study, we conduct a systematic analysis of the JADES Origins Field, which contains 14 broad- and medium-width near-infrared bands, to assess the benefits of medium band photometry on high-z completeness and contamination rates. Using imaging reaching AB mag $29.8\!-\!30.35$ depth, we test how high-z selections differ when images are artificially degraded or bands are removed. In parallel, the same experiments are conducted on simulated catalogues from the JAGUAR semi-analytic model to examine if observations can be replicated. We find sample completeness is high ($80~{{\rm per\,cent}}+$) and contamination low ($\lt 4~{{\rm per\,cent}}$) when in the $10\sigma +$ regime, even without the use of any medium-width bands. The addition of medium-width bands leads to increases in completeness ($\sim 10~{{\rm per\,cent}}$), but multiple bands are required to improve contamination rates due to the small redshift ranges over which they probe strong emission lines. Incidents of Balmer–Lyman degeneracy increase in the $5{\!-\!}7\sigma$ regime and this can be replicated in both simulated catalogues and degraded real data. We measure the faint-end of the ultraviolet luminosity function (UV LF) at $8.5\lt z\lt 13.5$, finding high number densities that agree with previous JWST observations. Overall, medium bands are effective at increasing completeness and reducing contamination, but investment in achieving comparable depths in the blue ($\lt 1.5\,\mu$m) as achieved in the red is also found to be key to fully reducing contamination from high-z samples.
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| 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 | 0,000 |
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 ».