[論文レビュー] Angular clustering properties of the DESI QSO target selection using DR9 Legacy Imaging Surveys

E. Chaussidon, Christophe Yèche+13 more|arXiv (Cornell University)|Aug 8, 2021

Galaxies: Formation, Evolution, Phenomena参考文献 54被引用数 38

ひとこと要約

本論文は、DR9 Legacy Imaging Surveysを用いたDES I QSO標的選択における角度クラスタリング系差の機械学習ベースの補正手順を開発・検証する。ランダムフォレストおよびマルチレイヤーパーセプトロンモデルを用いて、特にサジタリアスストリーム由来の星の混入を含む、光度系差を補正することで、領域の3分の2でSDSS DR16クェーサーと整合する角度相関関数を達成し、宇宙論的クラスタリング解析に適した標的選択の妥当性を裏付けた。

ABSTRACT

The quasar target selection for the upcoming survey of the Dark Energy Spectroscopic Instrument (DESI) will be fixed for the next five years. The aim of this work is to validate the quasar selection by studying the impact of imaging systematics as well as stellar and galactic contaminants, and to develop a procedure to mitigate them. Density fluctuations of quasar targets are found to be related to photometric properties such as seeing and depth of the Data Release 9 of the DESI Legacy Imaging Surveys. To model this complex relation, we explore machine learning algorithms (Random Forest and Multi-Layer Perceptron) as an alternative to the standard linear regression. Splitting the footprint of the Legacy Imaging Surveys into three regions according to photometric properties, we perform an independent analysis in each region, validating our method using eBOSS EZ-mocks. The mitigation procedure is tested by comparing the angular correlation of the corrected target selection on each photometric region to the angular correlation function obtained using quasars from the Sloan Digital Sky Survey (SDSS)Data Release 16. With our procedure, we recover a similar level of correlation between DESI quasar targets and SDSS quasars in two thirds of the total footprint and we show that the excess of correlation in the remaining area is due to a stellar contamination which should be removed with DESI spectroscopic data. We derive the Limber parameters in our three imaging regions and compare them to previous measurements from SDSS and the 2dF QSO Redshift Survey.

研究の動機と目的

• 主な目的は、画像系差および星の混入を評価・補正することで、DES I QSO標的選択手法の妥当性を検証することである。
• 本研究の目的は、DES調査からの大規模スケールクラスタリング測定値が、光度系差や標的選択効果によってバイアスを受けることがないことを保証することにある。
• 本研究は、画像系差と機械学習を用いて、スペクトロスコピック標的サンプルにおける角度クラスタリング系差を補正する、堅牢で移植可能な手法の開発を目的としている。
• 本研究は、スペクトロスコピックフォローアップの前段階でDES Iクェーサー標的サンプルの系差を補正するための概念実証を提供し、宇宙論的にバイアスのない結果を保証する。

提案手法

• 著者らは、光度特性に基づいてDES Iレガシーサーベイのカバー範囲を3領域（北、南、DES：赤経 > −30）に分割した。
• 非線形な関係をモデル化するため、ランダムフォレストおよびマルチレイヤーパーセプトロンの機械学習モデルを用い、標的密度の揺らぎと、見かけの大きさ、深さ、PSFなどの画像系差との関係を分析した。
• 訓練済みモデルから導出された補正重みを、各領域ごとに独立して標的サンプルに適用し、系差を緩和した。
• eBOSS EZ-mocksを用いて手法の妥当性を検証し、SDSS DR16クェーサーの角度相関関数と比較することで、宇宙論的整合性を評価した。
• 各領域について、Limberパラメータ（r₀, γ）を導出し、SDSSおよび2dF QSO調査の先行測定値と比較した。
• サジタリアスストリームに基づく星の混入マップを用いて、解像度の低い星の混入がクラスタリングに与える影響を特定・評価した。

実験結果

リサーチクエスチョン

• RQ1 zバンドおよびW2バンドにおける見かけの大きさや深さといった光度系差が、DES I QSO標的の角度クラスタリングにどの程度影響を及えるか？
• RQ2 ランダムフォレストおよびマルチレイヤーパーセプトロンを用いた機械学習ベースの補正は、線形回帰と比較して非線形系差をどの程度効果的に緩和できるか？
• RQ3 補正済みのDES I QSO標的選択は、SDSS DR16のスペクトロスコピックに確認されたクェーサーと同等の角度クラスタリング特性を達成できるか？
• RQ4 特にサジタリアスストリーム由来の星の混入が、角度相関関数における過剰クラスタリングにどの程度寄与しているか？
• RQ5 画像ベースの補正のみで系差を十分に解消できるか、また、何時においてスペクトロスコピックフォローアップが不可欠となるか？

主な発見

• 補正手順を適用した後、北および南領域におけるDES I QSO標的の角度相関関数は、SDSS DR16クェーサーと1σの不確実性内で一致した。
• 補正済みのDES I QSO標的選択では、北でr₀ = 7.49 ± 0.57 h⁻¹Mpc、南でr₀ = 10.33 ± 0.84 h⁻¹Mpcを達成し、SDSS測定値と整合的であった。
• DES領域（赤経 > −30）では、補正済みのr₀ = 6.76 ± 0.58 h⁻¹Mpcであり、これもSDSSおよび2dF QSO調査の結果と整合的であった。
• サジタリアスストリーム領域では補正後も過剰クラスタリングが残っており、これは微小で以前に検出されなかった星の未解像化された星の混入に起因するとされた。
• この手法により、領域の3分の2で系差が低減され、画像ベースの補正が宇宙論的に有意義な精度に達することを示した。
• 本研究は、星の混入を完全に除去し、最適なクラスタリング測定を達成するためにはスペクトロスコピックフォローアップが不可欠であることを確認した。