Euclid preparation. LXXIV. Euclidised observations of Hubble Frontier Fields and CLASH galaxy clusters
Notice bibliographique
Résumé
We present HST2EUCLID, a novel Python code to generate Euclid realistic mock images in the $H_{\rm E}$, $J_{\rm E}$, $Y_{\rm E}$, and $I_{\rm E}$ photometric bands based on panchromatic Hubble Space Telescope observations. The software was used to create a simulated database of Euclid images for the 27 galaxy clusters observed during the Cluster Lensing And Supernova survey with Hubble (CLASH) and the Hubble Frontier Fields (HFF) program. Since the mock images were generated from real observations, they incorporate, by construction, all the complexity of the observed galaxy clusters. The simulated Euclid data of the galaxy cluster MACS J0416.1$-$2403 were then used to explore the possibility of developing strong lensing models based on the Euclid data. In this context, complementary photometric or spectroscopic follow-up campaigns are required to measure the redshifts of multiple images and cluster member galaxies. By Euclidising six parallel blank fields obtained during the HFF program, we provide an estimate of the number of galaxies detectable in Euclid images per ${\rm deg}^2$ per magnitude bin (number counts) and the distribution of the galaxy sizes. Finally, we present a preview of the Chandra Deep Field South that will be observed during the Euclid Deep Survey and two examples of galaxy-scale strong lensing systems residing in regions of the sky covered by the Euclid Wide Survey. The methodology developed in this work lends itself to several additional applications, as simulated Euclid fields based on HST (or JWST) imaging with extensive spectroscopic information can be used to validate the feasibility of legacy science cases or to train deep learning techniques in advance, thus preparing for a timely exploitation of the Euclid Survey data.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,236 | 0,228 |
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 ».