CANUCS/Technicolor Data Release 1: Imaging, Photometry, Slit Spectroscopy, and Stellar Population Parameters*
Notice bibliographique
Résumé
Abstract We present the first data release of the Canadian NIRISS Unbiased Cluster Survey (CANUCS), a JWST Cycle 1 GTO program targeting five lensing clusters and flanking fields in parallel (A370, MACS0416, MACS0417, MACS1149, and MACS1423; survey area ∼100 arcmin 2 ), with NIRCam imaging, NIRISS slitless spectroscopy, and NIRSpec prism multiobject spectroscopy. Fields centered on cluster cores include imaging in eight bands from 0.9–4.4 μ m, alongside continuous NIRISS coverage from 1.15–2 μ m, while the NIRCam flanking fields provide five wide-band and nine medium-band filters for exceptional spectral sampling, all to ∼29 mag AB . We also present JWST in Technicolor, a Cycle 2 follow-up GO program targeting three CANUCS clusters (A370, MACS0416, and MACS1149). The Technicolor program adds NIRISS slitless spectroscopy in F090W to the cluster fields while adding eight wide-, medium-, and narrowband filters to the flanking fields. This provides NIRCam imaging in all wide- and medium-band filters over ∼30 arcmin 2 . This paper describes our data reduction and photometry methodology. We release NIRCam, NIRISS, and Hubble Space Telescope imaging, point-spread functions (PSFs), PSF-matched imaging, photometric catalogs, and photometric and spectroscopic redshifts. We provide lens models and stellar population parameters in up to 19 filters for ∼53,000 galaxies in the cluster fields, and ∼44,000 galaxies in up to 29 filters in the flanking fields. We further present 733 NIRSpec spectra and redshift measurements up to z = 10.8. Comparing against our photometric redshifts, we find catastrophic outlier rates of only 4%–7% and scatter of σ NMAD of 0.01–0.03.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».