[論文レビュー] Clustering-based redshift estimation: method and application to data

Brice Ménard, Ryan Scranton+5 more|arXiv (Cornell University)|Mar 19, 2013

Galaxies: Formation, Evolution, Phenomena被引用数 24

ひとこと要約

本論文は、赤方偏移がよく測定された基準集団と任意のデータセットをクロス相関させることで、データ駆動型のクラスタリング手法を用いて赤方偏移分布を推定する方法を提示する。すべてのスケール、特に小スケール相関を用いることで、頑健な赤方偏移推定が可能であり、SDSS、WISE、FIRSTの調査において、異なる基準集団に対して一貫した結果が得られ、複数ピークの分布の検出も可能である。

ABSTRACT

We present a data-driven method to infer the redshift distribution of an arbitrary dataset based on spatial cross-correlation with a reference population and we apply it to various datasets across the electromagnetic spectrum to show its potential and limitations. Our approach advocates the use of clustering measurements on all available scales, in contrast to previous works focusing only on linear scales. We also show how its accuracy can be enhanced by optimally sampling a dataset within its photometric space rather than applying the estimator globally. We show that the ultimate goal of this technique is to characterize the mapping between the space of photometric observables and redshift space as this characterization then allows us to infer the clustering-redshift p.d.f. of a single galaxy. We apply this technique to estimate the redshift distributions of luminous red galaxies and emission line galaxies from the SDSS, infrared sources from WISE and radio sources from FIRST. We show that consistent redshift distributions are found using both quasars and absorber systems as reference populations. This technique brings valuable information on the third dimension of astronomical datasets. It is widely applicable to a large range of extra-galactic surveys.

研究の動機と目的

• 光度赤方偏移に依存せずに、実用的でデータ駆動型の赤方偏移分布推定法を開発すること。
• 空間的クラスタリングパターンを用いることで、光度赤方偏移の限界、例えばデgeneraciesやテンプレートの不正確さを克服すること。
• さまざまなデータセットおよび波長域において、クラスタリングベースの赤方偏移推定が実用的で正確であることを示すこと。
• 光度空間内での局所的適用が、グローバル推定と比較して精度を向上させることを示すこと。
• 最終的な目的は、光度観測量と赤方偏移空間との間のマッピングを特徴づけることである。

提案手法

• 未知のデータセットと既知の赤方偏移を持つ基準集団との空間的クロス相関を用いて、赤方偏移分布を推定する。
• 大規模な線形相関に限定するのではなく、線形および非線形の両方のスケールでのクラスタリング測定を用いる。
• ターゲットデータセットの光度空間内で最適なサンプリング戦略を適用して、推定器の精度を向上させる。
• クラスタリング-赤方偏移確率密度関数（p.d.f.）を個々の銀河ごとの主要出力として扱う統計的フレームワークを活用する。
• 自己相関関数とクロス相関関数の両方を用いて、赤方偏移分布の堅牢な制約を実現する。
• SDSS、WISE、FIRSTの実データを用いて手法を検証し、クェーサーや吸収体系を独立な基準として結果の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 基準集団とのクラスタリングクロス相関を用いることで、任意のデータセットの赤方偏移分布を信頼性高く推定できるか？
• RQ2 クラスタリングベースの赤方偏移推定の精度は、異なる赤方偏移領域やデータタイプでどのように変化するか？
• RQ3 小スケールクラスタリング測定が、大規模のみに依存する場合と比較して、どれほど頑健性を向上させるか？
• RQ4 光度赤方偏移が失敗するような複数ピークまたは広帯域の赤方偏移分布を、この手法は検出できるか？
• RQ5 光度空間内での局所的推定が、クラスタリング-赤方偏移技術の性能をどの程度向上させるか？

主な発見

• 色選択銀河で z < 1 の領域において、良好に定義された赤方偏移ビンに適用した場合、赤方偏移不確実性が δz ∼0.01 に達する。
• クェーサーと吸収体系を基準集団として用いた場合に一貫した赤方偏移分布が得られ、手法の頑健性が裏付けられた。
• ELG や FIRST ソースのような複数ピークの分布に対しては、p.d.f. 全体ではなく、赤方偏移範囲を信頼性高く特定でき、z ∼1 および z ∼2.5 の集団を検出できた。
• 小スケールクラスタリング測定は、システムティック要因の影響を受ける程度が小さく、大規模のみのアプローチと比較して推定器の精度を向上させる。
• 光度サブスペース内で推定器を局所的に適用することで、特に異種のデータセットに対して性能が著しく向上した。
• この手法は、特定の赤方偏移範囲に源が存在しないことを検出でき、高赤方偏移調査における誤検出（混入）の特定に有用である。