AI Summary & Key Takeaways
AI InsightThe search criteria can be changed to make more specific or more general object type matching.
📌 3 Key Takeaways
Abstract
The basis of this study is the python code development process that cross-matches multi-wavelength catalogs. The code cross-maps objects in a new catalog created according to parameters set by SIMBAD catalogs. While determining the input data used, point light sources in Cycle 1 of JWST were chosen. The algorithm finds all multi-wavelength (U, B, V,[G], R, I, J, H, K and u, g, r, i, z) observations in the UV-IR range in SIMBAD; makes matching according to the desired radius and celestial body feature. The search criteria can be changed to make more specific or more general object type matching.
Özet
Bu çalışmanın temelini, çoklu dalga boyu içeren kataloglarda çapraz eşleştirme yapan python kodu geliştirme süreci oluşturmaktadır. Kod, SIMBAD katalogları ile belirlenen parametrelere göre oluşturulan yeni bir katalogdaki nesneleri çapraz eşler. Kullanılan girdi verisi belirlenirken JWST’nin Cycle 1’deki noktasal ışık kaynakları seçilmiştir. Algoritma, UV-IR aralığındaki tüm çoklu dalga boyu (U, B, V, [G], R, I, J, H, K ve u, g, r, i, z) gözlemlerini SIMBAD’da bulur; istenilen yarıçap ve gök cismi özelliğine göre eşleştirme yapar. Arama kriterleri, daha özel veya daha genel nesne tipi eşleştirmesi yapmak için değiştirilebilir.