CURLING -- III. Identifying Candidates of Wide-separation Gravitationally Lensed Quasars from the CatNorth Catalogue
Notice bibliographique
Résumé
Wide-separation lensed quasars (WSLQs) are a rare subclass of strongly lensed quasars produced by massive galaxy clusters. They provide valuable probes of dark-matter halos and quasar host galaxies. However, only about ten WSLQ systems are currently known, which limits further studies. To enlarge the sample from wide-area surveys, we developed a catalog-based pipeline and applied it to the CatNorth database, a catalog of quasar candidates constructed from Gaia DR3. CatNorth contains 1,545,514 quasar candidates with about 90% purity and a Gaia G-band limiting magnitude of roughly 21. The pipeline has three stages. First, we identify groups with separations between 10 and 72 arcsec using a HEALPix grid with 25.6 arcsec spacing and a friends-of-friends search. We then filter by intra-group color and spectral similarity, reducing the 1,545,514 sources to 14,244 groups while retaining all known, discoverable WSLQs. Finally, a visual check, guided by image geometry and the presence of likely foreground lenses, yields the candidate list with quality labels. We identify 333 new WSLQ candidates with separations from 10 to 56.8 arcsec. Using available SDSS DR16 and DESI DR1 spectroscopy, we uncover two new candidate systems; the remaining 331 candidates lack sufficient spectra and are labeled as 45 grade A, 98 grade B, and 188 grade C. We also compile 29 confirmed dual quasars as a by-product. When feasible, we plan follow-up spectroscopy and deeper imaging to confirm WSLQs among these candidates and enable the related science.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,013 |
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 ».