Euclid preparation LXXIX. Using mock low surface brightness dwarf galaxies to probe Euclid Wide Survey detection capabilities
Notice bibliographique
Résumé
Local Universe dwarf galaxies can serve as both cosmological and mass assembly probes. Deep surveys have enabled the study of these objects down to the low surface brightness (LSB) regime. In this paper, we estimate Euclid's dwarf detection capabilities as well as limits of its MERge processing function (MER pipeline), which is responsible for producing the stacked mosaics and final catalogues. To do this, we injected mock dwarf galaxies in a real Euclid Wide Survey (EWS) field in the VIS band and compared the input catalogue to the final MER catalogue. The mock dwarf galaxies were generated using simple Sersic models with structural parameters (including size and surface brightness) drawn from observed dwarf galaxy catalogues. These simulations represent an idealised case in the sense they do not account for additional factors such as ellipticity, morphology, or crowding. To characterise the detected dwarfs, we used the mean surface brightness inside the effective radius SB_e (in mag arcsec^-2). The final MER catalogues achieve completenesses of 91% for SB_e in [21,24] and 54% for SB_e in [24,28]. These numbers do not take into account possible contaminants, including confusion with background galaxies at the location of the dwarfs. After taking those effects into account, they respectively became 86% and 38%. The MER pipeline performs a final local background subtraction with a small mesh size, leading to a flux loss for galaxies with R_e > 10 arcsec. By using the final MER mosaics and reinjecting this local background, we obtained an image in which we recover reliable photometric properties for objects under the arcminute scale. This background-reinjected product is thus suitable for the study of Local Universe dwarf galaxies. Euclid's data reduction pipeline serves as a test bed for other deep surveys, particularly regarding background subtraction methods, a key issue in LSB 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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,074 | 0,074 |
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 ».