Quasar candidate selection and redshift estimation using J-PLUS DR3 data
Notice bibliographique
Résumé
ABSTRACT A comprehensive and high-purity quasar candidate catalogue with precise redshift measurements is crucial for advancing quasar research and cosmology. In the era of extensive sky surveys, the efficient identification of quasars from large-scale data sets has become a significant challenge in modern astronomy. By cross-matching the J-PLUS DR3 data set with unWISE and numerous spectroscopic data sets with accurate classifications, we compiled a known sample of 740 562 sources, including 338 456 stars, 320 606 galaxies, and 81 500 quasars. Subsequently, we developed several classification models employing XGBoost, CatBoost, and deep learning techniques. Through optimization of feature selection and hyperparameter tuning for each model, we derived an optimal classification model. This model achieved an accuracy of 99 per cent, with the Precision and Recall for quasar detection reaching 98.20 per cent and 99.39 per cent, respectively. In parallel, we utilized the known quasar sample to train an optimal model for redshift estimation, achieving a mean squared error of 0.139. Finally, combining the optimal classification and regression models, we designed an efficient workflow for quasar candidate selection and redshift estimation. This process resulted in the identification of over 3 million quasar candidates with photometric redshifts from the J-PLUS DR3 data set. These candidates provide an invaluable input catalogue for subsequent observations by large-scale spectroscopic surveys, such as LAMOST, SDSS, DESI, or other ongoing efforts in this field.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».