[論文レビュー] SpectRes: A Fast Spectral Resampling Tool in Python

Adam C. Carnall|arXiv (Cornell University)|May 15, 2017

Spectroscopy and Chemometric Analyses被引用数 86

ひとこと要約

SpectResは、スペクトルフラックス密度（および不確実性）を任意の波長グリッドにリサンプリングし、統合フラックスを保持しつつ高速な性能と共分散処理を実現するPython関数です。

ABSTRACT

I present a fast Python tool, SpectRes, for carrying out the resampling of spectral flux densities and their associated uncertainties onto different wavelength grids. The function works with any grid of wavelength values, including non-uniform sampling, and preserves the integrated flux. This may be of use for binning data to increase the signal to noise ratio, obtaining synthetic photometry, or resampling model spectra to match the sampling of observed data for spectral energy distribution fitting. The function can be downloaded from https://www.github.com/ACCarnall/SpectRes.

研究の動機と目的

• 任意の波長グリッド上で高速かつ正確なスペクトルリサンプリングの必要性を動機づける。
• 関連する不確実性を伴うスペクトルをリサンプリングする際に総フラックスを保持する方法を提供する。
• SNRを改善するビニング、合成フォトメトリ、観測データにモデルスペクトルを一致させるSEDフィッティングなどの迅速な応用を可能にする。

提案手法

• 元のビンiのうち、どの新しいビン jに落ちる分数を表す行列 P_ij を計算する。
• 新しいスペクトルフラックス f_lambda_j を重み付き和 f_lambda_j = sum_i c_ij f_lambda_i で推定し、c_ij = P_ij w_i / sum_i P_ij w_i と定義する。
• 不確実性を伝搬させて sigma_j^2 = sum_i c_ij^2 sigma_i^2 (独立性を仮定) を得る。
• 新しいビン間の共分散行列を Y_j = sum_i c_ij X_i および Cov(Y_j, Y_b) = sum_i c_ij c_ib sigma_i^2 を用いて構築し、ビン間の共分散を強調する。
• 注: SpectResは速度のための最適化実装を提供し、提供された場合には resampledErrs を返すこともできる。
• コードと数値例は、大規模モデルスペクトル（例：Bruzual & Charlot 2003 model suite）や、迅速なフォトメトリック赤方偏移計算などの実用的応用で著しい速度向上を示します。

実験結果

リサーチクエスチョン

• RQ1 総フラックスを保存しつつ、スペクトルデータを任意の波長グリッドへどのようにリサンプリングできるか？
• RQ2 スペクトルリサンプリング中に不確実性をどう伝搬させ、リサンプリング後のビン間共分散をどう扱うべきか？
• RQ3 大規模なスペクトルデータセットに対するSpectResの速度性能はどうか、実用的な用途は何か（例：フォトメトリック赤方偏移、SEDフィッティング）

主な発見

• 大規模なBruzual & Charlotモデルグリッド（221モデル × 6917点）を一様な5 Åグリッドへリサンプリングするのに約40 msかかる。
• 単一モデルを一様な20 Åグリッドへリサンプリングしてフォトメトリックフィットに使用するには約10 ms。
• この手法は統合フラックスを保持し、各リサンプリング後のビンの不確実性伝搬を提供する。
• 共有元データに起因するリサンプリング後のフラックス間の相関を定量化する共分散行列を導出する。
• SpectResはGitHubで入手可能で、ダウンロードして利用できる。