[論文レビュー] Strong lensing in UNIONS: Toward a pipeline from discovery to modeling

Élodie Savary, K. Rojas+17 more|arXiv (Cornell University)|Oct 22, 2021

Adaptive optics and wavefront sensing被引用数 2

ひとこと要約

本論文は、単一バンド画像における自動的で強力なレンズ検出およびモデリングのエンドツーエンドパイプラインを提示する。畳み込みニューラルネットワーク（CNN）の委員会を用いて、CFIS rバンドデータの2,500 deg²から133個のレンズ候補（うち104個が新規）を同定し、その後SIE+シアーモデリングと、新しい自己符号化器ベースのデブレンド法を適用した。これは、将来のユリクスに類似した調査において、高精度でスケーラブルなレンズ探索と特徴化が可能であることを示している。

ABSTRACT

We present a search for galaxy-scale strong gravitational lenses in the initial 2 500 square degrees of the Canada-France Imaging Survey (CFIS). We designed a convolutional neural network (CNN) committee that we applied to a selection of 2 344 002 exquisite-seeing $r$-band images of color-selected luminous red galaxies (LRGs). Our classification uses a realistic training set where the lensing galaxies and the lensed sources are both taken from real data, namely the CFIS $r$-band images themselves and the Hubble Space Telescope (HST). A total of 9 460 candidates obtain a score above 0.5 with the CNN committee. After a visual inspection of the candidates, we find a total of 133 lens candidates, of which 104 are completely new. The set of false positives mainly contains ring, spiral, and merger galaxies, and to a lesser extent galaxies with nearby companions. We classify 32 of the lens candidates as secure lenses and 101 as maybe lenses. For the 32 highest quality lenses, we also fit a singular isothermal ellipsoid mass profile with external shear along with an elliptical Sersic profile for the lens and source light. This automated modeling step provides distributions of properties for both sources and lenses that have Einstein radii in the range $0.5\arcsec< heta_E<2.5\arcsec$. Finally, we introduce a new lens and/or source single-band deblending algorithm based on auto-encoder representation of our candidates. This is the first time an end-to-end lens-finding and modeling pipeline is assembled together, in view of future lens searches in a single band, as will be possible with Euclid.

研究の動機と目的

• 大規模な調査における強力レンズサンプルの不足に対処するため、レンズ発見およびモデリングの自動的でスケーラブルなパイプラインを開発すること。
• 従来のレンズ探索の限界を克服し、深く高品質な単一バンド画像においてもレンズ選択による検出を可能にすること。
• 高度なディープラーニングと自動デブレンド法を用いて、レンズ候補の検証およびモデリングにおける人為的介入を低減すること。
• ユリクスで入手可能となる単一バンドデータのみを用いて、エンドツーエンドのレンズ検出、デブレンド、質量モデリングが可能であることを実証すること。
• 将来のレンズ探索アルゴリズムのトレーニングリソースを提供するため、レンズ構造に類似した1,568件の偽陽性（合体銀河、リング銀河、スパイラル銀河）をカタログ化すること。

提案手法

• 実際の観測から得たレンズ銀河およびレンズされた光源を用いて、CFIS rバンド画像とハッブル宇宙望遠鏡（HST）データの両方を用いて、現実的でリアルなトレーニングセットを構築し、CNNの委員会をトレーニングした。
• CNNの委員会を2,344,002枚の高品質なrバンド画像（明るい赤い銀河LRG）に適用し、分類スコアが0.5を超える9,460件の候補を割り当てた。
• CNNの候補を共同で視覚的検査し、133件のレンズ候補（うち104件が新規）を同定。そのうち32件を「確実なレンズ」と分類、101件を「おそらくレンズ」と分類。
• lenstronomyソフトウェアを用いて、粒子群最適化とマルコフ連鎖モンテカルロサンプリングを用いて、32件の高品質なレンズに対してSIE+シアー質量モデリングを実施。
• 単一バンドデータに依存せずに複数バンドデータを必要としない、レンズ候補の自己符号化器表現に基づく新しい単一バンドデブレンドアルゴリズムを開発。
• モデリング中にレンズおよび光源成分を分離するための自動マスキング手順を実装し、精度を向上させるとともに汚染を低減した。

実験結果

リサーチクエスチョン

• RQ1 単一バンド画像からの強力レンズ候補を、高い信頼性と最小限の人的介入で自動的に検出できるか？
• RQ2 実際のデータ（CFISおよびHST）でトレーニングされたCNNの委員会は、真正の強力レンズと形状的偽陽性をどれほど的確に区別できるか？
• RQ3 自己符号化器を用いたデブレンドと組み合わせた単一のSIE+シアーモデルは、単一バンドデータにおいてレンズおよび光源の性質をどれほど正確に回復できるか？
• RQ4 深いつながった単一バンド調査において、どのタイプの形状的汚染物が最も頻繁に強力レンズ構造に類似するか？
• RQ5 デブレンドとモデリングの出力を統合することで、将来的なレンズ調査におけるCNN分類の精度が向上し、人的検査の必要性がどれほど低減できるか？

主な発見

• CNNの委員会はスコアが0.5を超える9,460件の候補を同定したが、視覚的検査の結果、133件のレンズ候補（うち104件が新規）が確認された。
• 偽陽性率は、リング銀河（369件）、スパイラル銀河（961件）、合体系（238件）が主な要因であり、これらは将来のモデルのトレーニング用に公開カタログとして整備された。
• 32件の最高品質なレンズ候補について、SIE+シアーモデルはEinstein半径が0.5′′ < θE < 2.5′′の範囲でデータにうまく適合したが、マスキングや光源の誤識別による3件のモデリング失敗が発生した。
• 自己符号化器ベースのデブレンドアルゴリズムにより、単一バンド画像においてレンズと光源の光を効果的に分離可能であり、これは将来のユリクスに類似した調査にとって重要なステップである。
• このパイプラインは、特に高解像度で深いつながった画像を組み合わせた場合、単一バンドデータを用いた高精度なレンズモデリングが可能であることを示した。
• 人為的検証は、候補の検証およびモデリングにおいて依然として必要であるが、偽陽性カタログを用いた将来の再トレーニングおよびモデリング出力の統合により、その必要性を顕著に低減できる可能性がある。