Preprint typeset using L ATEX style emulateapj v. 6/22/04 GEMINI SPECTROSCOPY OF SUPERNOVAE FROM SNLS: IMPROVING HIGH REDSHIFT SN SELECTION AND CLASSIFICATION
Notice bibliographique
Résumé
We present new techiques for improving the efficiency of supernova (SN) classification at high redshift using 64 candidates observed at Gemini North and South during the first year of the Supernova Legacy Survey (SNLS). The SNLS is an ongoing five year project with the goal of measuring the equation of state of Dark Energy by discovering and following over 700 high-redshift SNe Ia using data from the Canada-France-Hawaii Telescope Legacy Survey. We achieve an improvement in the SN Ia spectroscopic confirmation rate: at Gemini 71 % of candidates are now confirmed as SNe Ia, compared to 54 % using the methods of previous surveys. This is despite the comparatively high redshift of this sample, where the median SN Ia redshift is z = 0.81 (0.155 ≤ z ≤ 1.01). These improvements were realized because we use the unprecedented color coverage and lightcurve sampling of the SNLS to predict whether a candidate is an SN Ia and estimate its redshift, before obtaining a spectrum, using a new technique called the “SN photo-z. ” In addition, we have improved techniques for galaxy subtraction and SN template χ 2 fitting, allowing us to identify candidates even when they are only 15 % as bright as the host galaxy. The largest impediment to SN identification is found to be host galaxy contamination of the spectrum – when the SN was at least as bright as the underlying
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,746 | 0,711 |
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 ».