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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».