[論文レビュー] New Strong Gravitational Lenses from the DESI Legacy Imaging Surveys Data Release 9

C. Storfer, Xiaosheng Huang+15 more|arXiv (Cornell University)|Jun 6, 2022

Astronomy and Astrophysical Research被引用数 7

ひとこと要約

本研究では、DES I Legacy Imaging Surveys Data Release 9 から、既知のレンズおよび非レンズをトレーニングデータとして用いた深層畳み込みニューラルネットワークを用いて、1,895個の強い重力レンズ候補を同定した。そのうち1,512個は新たに発見されたものであり、宇宙論的および天体物理学的研究のための高純度レンズ候補のサンプルを顕著に拡大した。

ABSTRACT

We have conducted a search for strong gravitational lensing systems in the Dark Energy Spectroscopic Instrument (DESI) Legacy Imaging Surveys Data Release 9. This is the third paper in a series. These surveys together cover $\sim$19,000 deg$^2$ visible from the Northern Hemisphere, reaching a z-band AB magnitude of $\sim$22.5. We use a deep residual neural network, trained on a compilation of known lensing systems and high-grade candidates as well as nonlenses in the same footprint. After applying our trained neural network to the survey data, we visually inspect and rank images with probabilities above a threshold which has been chosen to balance precision and recall. We have found 1895 lens candidates, of which 1512 are identified for the first time. Combining the discoveries from this work with those from Papers I (335) and II (1210), we have discovered a total of 3057 new candidates in the Legacy Surveys.

研究の動機と目的

• DES I Legacy Imaging Surveys Data Release 9 において新しい強い重力レンズ系を同定し、高赤方偏移および高増幅率のレンズ化銀河のサンプルを拡大すること。
• 機械学習を用いて大規模画像調査におけるレンズ検出の効率性と純度を向上させること。
• H₀の不一致やコールドダークマターの小構造予測を含む宇宙論的モデルの検証に寄与するため、レンズ系の蓄積的カタログを拡充すること。
• 大規模で高品質な候補サンプルを提供することで、将来的なレンズモデリングおよび時間遅延距離測定を支援すること。

提案手法

• 同じ調査領域をカバーする既知のレンズ系、高品質な候補、非レンズを含む統計的に代表的なトレーニングセットを用いて、深層畳み込み残差ニューラルネットワーク（ResNet）をトレーニングした。
• トレーニング済みのニューラルネットワークをDR9データに適用し、北半球の約19,000 deg²にわたる領域で、潜在的レンズ候補の確率スコアを生成した。
• 上位候補の視覚的検査および手動ランク付けによる高純度を確保するため、確率の閾値を設定した。
• 論文IおよびIIで得られた既存の発見と組み合わせ、Legacy Surveys全体で合計3,057個の新しいレンズ候補を含む累積カタログを作成した。
• g、r、zバンドのマルチバンド画像（DECaLS、BASS、MzLS）を活用し、レンズ同定に不可欠な形態的特徴の検出を向上させた。
• GPU加速による推論および検証パイプラインを用いて、全調査領域にわたる検索を効率的にスケーリングした。

実験結果

リサーチクエスチョン

• RQ1 深層学習を用いてDES I Legacy Imaging Surveys DR9 で、いくつの新しい強い重力レンズ候補を同定できるか？
• RQ2 代表的なレンズおよび非レンズのサンプルでトレーニングされた深層畳み込み残差ニューラルネットワークモデルの純度と完全性はどの程度か？
• RQ3 新たに発見されたレンズ候補は、既存の既知のシステムと比較して、分布および形態的特徴でどのように異なるか？
• RQ4 機械学習は、LSST やローマン宇宙望遠鏡などの将来の調査において、強いレンズ系の発見をどの程度加速できるか？
• RQ5 同定された候補は、コールドダークマターモデルにおける高精度な時間遅延H₀測定および小構造テストを支援できるか？

主な発見

• DES I Legacy Imaging Surveys DR9 において、合計1,895個の強い重力レンズ候補が同定され、そのうち1,512個は新たに発見された。
• 深層畳み込み残差ニューラルネットワークは、高確率システムの視覚的検査およびランク付けによる検証を通じて、候補選定において高い純度を達成した。
• 本研究および前回の論文（IおよびII）の累積的発見により、北半球の約19,000 deg² にわたる領域で合計3,057個の新しいレンズ候補が得られた。
• 本手法は大規模レンズ探索においてスケーラビリティと有効性を示しており、将来的なLSST やEuclidなどの調査の基準を確立した。
• 同定された候補は、時間遅延測定、ダークマター小構造解析、レンズモデリングなどのフォローアップ研究に適している。
• 深層学習手法が、特に大規模画像データセットにおいて、従来手法を著しく上回るスピードと収量を達成することが結果で確認された。