We describe the construction and general features of VIPERS, the VIMOS Public Extragalactic Redshift Survey. This `Large Programme' has been using the ESO VLT with the aim of building a spectroscopic sample of ~100,000 galaxies with i_{AB}<22.5 and 0.5

We present in this paper the general real- and redshift-space clustering properties of galaxies as measured in the first data release of the VIPERS survey. VIPERS is a large redshift survey designed to probe the distant Universe and its large-scale structure at 0.5 < z < 1.2. We describe in this analysis the global properties of the sample and discuss the survey completeness and associated corrections. This sample allows us to measure the galaxy clustering with an unprecedented accuracy at these redshifts. From the redshift-space distortions observed in the galaxy clustering pattern we provide a first measurement of the growth rate of structure at z = 0.8: f\sigma_8 = 0.47 +/- 0.08. This is completely consistent with the predictions of standard cosmological models based on Einstein gravity, although this measurement alone does not discriminate between different gravity models.

We present the first Public Data Release (PDR-1) of the VIMOS Public Extragalactic Survey (VIPERS). It comprises 57 204 spectroscopic measurements together with all additional information necessary for optimal scientific exploitation of the data, in particular the associated photometric measurements and quantification of the photometric and survey completeness. VIPERS is an ESO Large Programme designed to build a spectroscopic sample of ' 100 000 galaxies with iAB < 22.5 and 0.5 < z < 1.5 with high sampling rate (~45%). The survey spectroscopic targets are selected from the CFHTLS-Wide five-band catalogues in the W1 and W4 fields. The final survey will cover a total area of nearly 24 deg2, for a total comoving volume between z = 0.5 and 1.2 of ~4x10^7 h^(-3)Mpc^3 and a median galaxy redshift of z~0.8. The release presented in this paper includes data from virtually the entire W4 field and nearly half of the W1 area, thus representing 64% of the final dataset. We provide a detailed description of sample selection, observations and data reduction procedures; we summarise the global properties of the spectroscopic catalogue and explain the associated data products and their use, and provide all the details for accessing the data through the survey database (http://vipers.inaf.it) where all information can be queried interactively.

Euclid is an ESA mission designed to constrain the properties of dark energy and gravity via weak gravitational lensing and galaxy clustering. It will carry out a wide area imaging and spectroscopy survey (EWS) in visible and near-infrared, covering roughly 15,000 square degrees of extragalactic sky on six years. The wide-field telescope and instruments are optimized for pristine PSF and reduced straylight, producing very crisp images. This paper presents the building of the Euclid reference survey: the sequence of pointings of EWS, Deep fields, Auxiliary fields for calibrations, and spacecraft movements followed by Euclid as it operates in a step-and-stare mode from its orbit around the Lagrange point L2. Each EWS pointing has four dithered frames; we simulate the dither pattern at pixel level to analyse the effective coverage. We use up-to-date models for the sky background to define the Euclid region-of-interest (RoI). The building of the reference survey is highly constrained from calibration cadences, spacecraft constraints and background levels; synergies with ground-based coverage are also considered. Via purposely-built software optimized to prioritize best sky areas, produce a compact coverage, and ensure thermal stability, we generate a schedule for the Auxiliary and Deep fields observations and schedule the RoI with EWS transit observations. The resulting reference survey RSD_2021A fulfills all constraints and is a good proxy for the final solution. Its wide survey covers 14,500 square degrees. The limiting AB magnitudes ($5\sigma$ point-like source) achieved in its footprint are estimated to be 26.2 (visible) and 24.5 (near-infrared); for spectroscopy, the H$_\alpha$ line flux limit is $2\times 10^{-16}$ erg cm$^{-2}$ s$^{-1}$ at 1600 nm; and for diffuse emission the surface brightness limits are 29.8 (visible) and 28.4 (near-infrared) mag arcsec$^{-2}$.

We present the full public data release (PDR-2) of the VIMOS Public Extragalactic Redshift Survey (VIPERS), performed at the ESO VLT. We release redshifts, spectra, CFHTLS magnitudes and ancillary information (as masks and weights) for a complete sample of 86 775 galaxies (plus 4732 other objects, including stars and serendipitous galaxies); we also include their full photometrically-selected parent catalogue. The sample is magnitude limited to i AB ≤ 22.5, with an additional colour-colour pre-selection devised as to exclude galaxies at z < 0.5. This practically doubles the effective sampling of the VIMOS spectrograph over the range 0.5 < z < 1.2 (reaching 47% on average), yielding a final median local galaxy density close to 5 × 10 -3 h 3 Mpc -3 . The total area spanned by the final data set is ≃ 23.5 deg 2 , corresponding to 288 VIMOS fields with marginal overlaps, split over two regions within the CFHTLS-Wide W1 and W4 equatorial fields (at RA ≃ 2 and ≃ 22 h, respectively). Spectra were observed at a resolution R = 220, covering a wavelength range 5500−9500 Å. Data reduction and redshift measurements were performed through a fully automated pipeline; all redshift determinations were then visually validated and assigned a quality flag. Measurements with a quality flag ≥ 2 are shown to have a confidence level of 96% or larger and make up 88% of all measured galaxy redshifts (76 552 out of 86 775), constituting the VIPERS prime catalogue for statistical investigations. For this sample the rms redshift error, estimated using repeated measurements of about 3000 galaxies, is found to be σ z = 0.00054(1 + z ). All data are available at http://vipers.inaf.it and on the ESO Archive.

Multi-object spectroscopic galaxy surveys typically make use of photometric and colour criteria to select their targets. That is not the case of which will use the NISP slitless spectrograph to record spectra for every source over its field of view. Slitless spectroscopy has the advantage of avoiding defining a priori a specific galaxy sample, but at the price of making the selection function harder to quantify. In its Wide Survey was designed to build robust statistical samples of emission-line galaxies with fluxes brighter than $ 2e-16 erg s cm $, using the Halpha -$ N ii right $ complex to measure redshifts within the range $ $. Given the expected signal-to-noise ratio of NISP spectra, at such faint fluxes a significant contamination by incorrectly measured redshifts is expected, either due to misidentification of other emission lines, or to noise fluctuations mistaken as such, with the consequence of reducing the purity of the final samples. This can be significantly ameliorated by exploiting the extensive photometric information to identify emission-line galaxies over the redshift range of interest. Beyond classical multi-band selections in colour space, machine learning techniques provide novel tools to perform this task. Here, we compare and quantify the performance of six such classification algorithms in achieving this goal. We consider the case when only the photometric and morphological measurements are used, and when these are supplemented by the extensive set of ancillary ground-based photometric data, which are part of the overall scientific strategy to perform lensing tomography. The classifiers are trained and tested on two mock galaxy samples, the EL-COSMOS and Euclid Flagship2 catalogues. The best performance is obtained from either a dense neural network or a support vector classifier, with comparable results in terms of the adopted metrics. When training on on-board photometry alone, these are able to remove $87<!PCT!>$ of the sources that are fainter than the nominal flux limit or lie outside the $0.9<z<1.8$ redshift range, a figure that increases to $97<!PCT!>$ when ground-based photometry is included. These results show how by using the photometric information available to it will be possible to efficiently identify and discard spurious interlopers, allowing us to build robust spectroscopic samples for cosmological investigations.

is poised to make significant advances in the study of nearby galaxies in the Local Universe. Here we present a first look at six galaxies observed for the Nearby Galaxy Showcase as part of the Early Release Observations acquired between August and November 2023. These targets, three dwarf galaxies (Holmberg\,II, IC\,10, and NGC\,6822) and three spirals (IC\,342, NGC\,2403, and NGC\,6744), range in distance from about 0.5\,Mpc to 8.8\,Mpc. We first assess the surface brightness depths in the stacked images, and confirm previous estimates in 100\,arcsec$^2$ regions for Visible Camera (VIS) of $1 limits of $30.5$\ but find deeper than previous estimates for Near-Infrared Spectrometer and Photometer (NISP) with $1 By combining and into RGB images, we illustrate the large field of view (FoV) covered by a single reference observing sequence (ROS), together with exquisite detail on scales of $<1$--$4$ parsecs in these nearby galaxies. Our analysis of radial surface brightness and color profiles demonstrates that the photometric calibration of is consistent with what is expected for galaxy colors according to stellar synthesis models. We perform standard source-selection techniques for stellar photometry, and find approximately 1.3 million stars across the six galaxy fields. After subtracting foreground stars and background galaxies, and applying a color and magnitude selection, we extract stellar populations of different ages for the six galaxies. The resolved stellar photometry obtained with allows us to constrain the star-formation histories of these galaxies, which we do by disentangling the distributions of young stars and asymptotic giant branch and red giant branch stellar populations. We finally examine two galaxies individually for surrounding systems of dwarf galaxy satellites and globular cluster populations. Our analysis of the ensemble of dwarf satellites around NGC\,6744 recovers all the previously known dwarf satellites within the FoV, and also confirms the satellite nature of a previously identified candidate, dw1909m6341, a nucleated dwarf spheroidal at the end of a spiral arm. Our new census of the globular clusters around NGC\,2403 yields nine new star-cluster candidates, eight of which exhibit colors indicative of evolved stellar populations. In summary, our first investigation of six ``showcase'' galaxies demonstrates that is a powerful probe of stellar structure and stellar populations in nearby galaxies, and will provide vastly improved statistics on dwarf satellite systems and extragalactic globular clusters in the local Universe, among many other exciting results.

The William Herschel Telescope Enhanced Area Velocity Explorer (WEAVE) is a new, massively multiplexing spectrograph that allows us to collect about one thousand spectra over a 3 square degree field in one observation. The WEAVE Stellar Population Survey (WEAVE-StePS) in the next 5 years will exploit this new instrument to obtain high-S/N spectra for a magnitude-limited ($I_ AB = 20.5$) sample of sim 25 000 galaxies at moderate redshifts ($ z 0.3$), providing insights into galaxy evolution in this as yet unexplored redshift range. We aim to test novel techniques for retrieving the key physical parameters of galaxies from WEAVE-StePS spectra using both photometric and spectroscopic (spectral indices) information for a range of noise levels and redshift values. We simulated $ 000 galaxy spectra assuming star formation histories with an exponentially declining star formation rate, covering a wide range of ages, stellar metallicities, specific star formation rates (sSFRs), and dust extinction values. We considered three redshifts (i.e. $z=0.3, 0.55,$ and $0.7$), covering the redshift range that WEAVE-StePS will observe. We then evaluated the ability of the random forest and K-nearest neighbour algorithms to correctly predict the average age, metallicity, sSFR, dust attenuation, and time since the bulk of formation, assuming no measurement errors. We also checked how much the predictive ability deteriorates for different noise levels, with I,obs =10$, 20, and 30, and at different redshifts. Finally, the retrieved sSFR was used to classify galaxies as part of the blue cloud, green valley, or red sequence. We find that both the random forest and K-nearest neighbour algorithms accurately estimate the mass-weighted ages, u-band-weighted ages, and metallicities with low bias. The dispersion varies from 0.08--0.16$\,$dex for age and 0.11--0.25$\,$dex for metallicity, depending on the redshift and noise level. For dust attenuation, we find a similarly low bias and dispersion. For the sSFR, we find a very good constraining power for star-forming galaxies, $ where the bias is $ 0.01\,$dex and the dispersion is $ 0.10\,$dex. However, for more quiescent galaxies, with $ we find a higher bias, ranging from 0.61 to 0.86$\,$dex, and a higher dispersion, $ 0.4\,$dex, depending on the noise level and redshift. In general, we find that the random forest algorithm outperforms the K-nearest neighbours. Finally, we find that the classification of galaxies as members of the green valley is successful across the different redshifts and S/Ns. We demonstrate that machine learning algorithms can accurately estimate the physical parameters of simulated galaxies for a WEAVE-StePS-like dataset, even at relatively low S/N$_ I,obs = 10$ per spectra with available ancillary photometric information. A more traditional approach, Bayesian inference, yields comparable results. The main advantage of using a machine learning algorithm is that, once trained, it requires considerably less time than other methods.

We investigate the accuracy of the perturbative galaxy bias expansion in view of the forthcoming analysis of the Euclid spectroscopic galaxy samples. We compare the performance of a Eulerian galaxy bias expansion using state-of-the-art prescriptions from the effective field theory of large-scale structure (EFTofLSS) with a hybrid approach based on Lagrangian perturbation theory and high-resolution simulations. These models are benchmarked against comoving snapshots of the flagship I N -body simulation at z = (0.9, 1.2, 1.5, 1.8), which have been populated with H α galaxies leading to catalogues of millions of objects within a volume of about 58 h −3 Gpc 3 . Our analysis suggests that both models can be used to provide a robust inference of the parameters ( h , ω c ) in the redshift range under consideration, with comparable constraining power. We additionally determine the range of validity of the EFTofLSS model in terms of scale cuts and model degrees of freedom. From these tests, it emerges that the standard third-order Eulerian bias expansion – which includes local and non-local bias parameters, a matter counter term, and a correction to the shot-noise contribution – can accurately describe the full shape of the real-space galaxy power spectrum up to the maximum wavenumber of k max = 0.45 h Mpc −1 , and with a measurement precision of well below the percentage level. Fixing either of the tidal bias parameters to physically motivated relations still leads to unbiased cosmological constraints, and helps in reducing the severity of projection effects due to the large dimensionality of the model. We finally show how we repeated our analysis assuming a volume that matches the expected footprint of Euclid , but without considering observational effects, such as purity and completeness, showing that we can get constraints on the combination ( h , ω c ) that are consistent with the fiducial values to better than the 68% confidence interval over this range of scales and redshifts.

Future data provided by the \Euclid mission will allow us to better understand the cosmic history of the Universe. A metric of its performance is the figure-of-merit (FoM) of dark energy, usually estimated with Fisher forecasts. The expected FoM has previously been estimated taking into account the two main probes of \Euclid, namely the three-dimensional clustering of the spectroscopic galaxy sample, and the so-called 3$\times$2\,pt signal from the photometric sample (i.e., the weak lensing signal, the galaxy clustering, and their cross-correlation). So far, these two probes have been treated as independent. In this paper, we introduce a new observable given by the ratio of the (angular) two-point correlation function of galaxies from the two surveys. For identical (normalised) selection functions, this observable is unaffected by sampling noise, and its variance is solely controlled by Poisson noise. We present forecasts for \Euclid where this multi-tracer method is applied and is particularly relevant because the two surveys will cover the same area of the sky. This method allows for the exploitation of the combination of the spectroscopic and photometric samples. When the correlation between this new observable and the other probes is not taken into account, a significant gain is obtained in the FoM, as well as in the constraints on other cosmological parameters. The benefit is more pronounced for a commonly investigated modified gravity model, namely the $\gamma$ parametrisation of the growth factor. However, the correlation between the different probes is found to be significant and hence the actual gain is uncertain. We present various strategies for circumventing this issue and still extract useful information from the new observable.