CANUCS: Constraining the MACS J0416.1-2403 strong lensing model with JWST NIRISS, NIRSpec, and NIRCam
Notice bibliographique
Résumé
Context. Strong gravitational lensing in galaxy clusters has become an essential tool in astrophysics, as it allows one to directly probe the dark matter distribution and study magnified background sources. The precision and reliability of strong lensing models rely heavily on the number and quality of multiple images of background sources with spectroscopic redshifts. Aims. We present an updated strong lensing model of the galaxy cluster MACS J0416.1-2403 with the largest sample of multiple images with spectroscopic redshifts in a galaxy cluster field to date. Furthermore, we aim to demonstrate the effectiveness of JWST, particularly its NIRISS camera, for strong lensing studies. Methods. We used JWST’s NIRCam imaging and NIRSpec and NIRISS spectroscopy from the CAnadian NIRISS Unbiased Cluster Survey (CANUCS). The cluster mass model was constrained using Lenstool software. Results. Our new dataset, which we used for constraining the lens model, comprises 303 secure multiple images with spectroscopic redshifts from 111 background sources and includes 95 systems with previously known MUSE redshift and 16 systems (with 46 multiple images) for which we obtained spectroscopic redshift for the first time using NIRISS and NIRSpec spectroscopy. Three of the spectroscopic systems were not identified by previous JWST studies. The total number of secure spectroscopic systems is more than 20% higher than in the previous strong lensing studies of this cluster. The derived strong lensing model can reproduce multiple images with the root-mean-square distance of ∼0″.52. We also provide a full catalogue with 415 multiple images, including less reliable candidates. In total, we provide 15 new multiple-image system candidates (with 38 multiple images) not reported in previous studies. Furthermore, we demonstrate the effectiveness of JWST, particularly NIRISS, for obtaining spectroscopic redshifts of multiple images. As NIRISS F115W, F150W, and F200W grism spectroscopy captures at least two of the [O II] λ3727, [O III] λλ4959, 5007, and Hα lines at 1 ≲ z ≲ 3 (a redshift range particularly relevant for strong lensing studies) without target pre-selection, it complements MUSE and NIRSpec observations extremely well.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».