<i>Euclid</i> preparation
Notice bibliographique
Résumé
We introduce SpectraPyle , a versatile spectral stacking pipeline developed for the Euclid mission’s NISP spectroscopic surveys, aimed at extracting faint emission lines and spectral features from large galaxy samples in the Wide and Deep Surveys. Designed for computational efficiency and flexible configuration, SpectraPyle supports the processing of extensive datasets critical to Euclid ’s non-cosmological science goals. We validated the pipeline using simulated spectra processed to match Euclid ’s expected final data quality. Stacking enables robust recovery of key emission lines, including H α , H β , [O III ], and [N II ], below individual detection limits. However, the measurement of galaxy properties such as star formation rate, dust attenuation, and gas-phase metallicity are biased at stellar mass below log 10 ( M / M ⊙ )∼9 due to the flux-limited nature of Euclid spectroscopic samples, where spectra below the detection threshold lack reliable redshift measurements, preventing effective stacking. The star formation rate–stellar mass relation of the parent sample is recovered reliably only in the deep survey for log 10 ( M / M ⊙ )≳10, whereas the metallicity–mass relation is recovered more accurately over a wider mass range. These limitations are caused by the increased fraction of redshift measurement errors at lower masses and fluxes. We examined the impact of residual redshift contaminants that arises from mis-identified emission lines and noise spikes, on stacked spectra. Even after stringent quality selections, low-level contamination (< 6%) has minimal impact on line fluxes due to the systematically weaker emission of contaminants. A percentile-based analysis of stacked spectra provides a sensitive diagnostic for detecting contamination via coherent spurious features at characteristic wavelengths. While our simulations include most instrumental effects, real Euclid data will require a further refinement of contamination mitigation strategies.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,187 | 0,205 |
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 ».