[논문 리뷰] A new method to improve photometric redshift reconstruction. Applications to the Large Synoptic Survey Telescope

Alexia Gorecki, Alexandra Abate외 5명|2013. 01. 14.

Galaxies: Formation, Evolution, Phenomena참고 문헌 30인용 수 3

한 줄 요약

이 논문은 LSST 유사 설문 조사에서 치명적인 광도 적색편이(photo-z) 이질점을 줄이기 위해 우도 비율 통계적 검정을 도입한다. 후행 확률 분포와 색상에 기반한 은하 선택을 통해 정확도를 향상시키며, 이는 템플릿 피팅 기반 광도 적색편이 재구성 성능을 향상시켜 z ≈ 2.5까지 LSST에서 요구하는 기준(2–5% 산란, <10% 이질점)을 충족시킨다. 기존의 등급 기반 선택 방식에 비해 고적색편이 영역에서 35% 더 많은 은하를 유지한다.

ABSTRACT

In the next decade, the LSST will become a major facility for the astronomical community. However accurately determining the redshifts of the observed galaxies without using spectroscopy is a major challenge. Reconstruction of the redshifts with high resolution and well-understood uncertainties is mandatory for many science goals, including the study of baryonic acoustic oscillations. We investigate different approaches to establish the accuracy that can be reached by the LSST six-band photometry. We construct a realistic mock galaxy catalog, based on the GOODS survey luminosity function, by simulating the expected apparent magnitude distribution for the LSST. To reconstruct the photometric redshifts (photo-z's), we consider a template-fitting method and a neural network method. The photo-z reconstruction from both of these techniques is tested on real CFHTLS data and also on simulated catalogs. We describe a new method to improve photo-z reconstruction that efficiently removes catastrophic outliers via a likelihood ratio statistical test. This test uses the posterior probability functions of the fit parameters and the colors. We show that the photometric redshift accuracy will meet the stringent LSST requirements up to redshift $\sim2.5$ after a selection that is based on the likelihood ratio test or on the apparent magnitude for galaxies with $S/N&gt;5$ in at least 5 bands. The former selection has the advantage of retaining roughly 35% more galaxies for a similar photo-z performance compared to the latter. Photo-z reconstruction using a neural network algorithm is also described. In addition, we utilize the CFHTLS spectro-photometric catalog to outline the possibility of combining the neural network and template-fitting methods. We conclude that the photo-z's will be accurately estimated with the LSST if a Bayesian prior probability and a calibration sample are used.

연구 동기 및 목표

• LSST와 같은 대규모 설문 조사에서 바리온 음향 진동(BAO)과 같은 우주론적 측정치를 악화시키는 치명적인 광도 적색편이 이질점 문제를 해결한다.
• 교정된 후행 확률 함수를 사용한 베이지안 템플릿 피팅 방법을 통해 광도 적색편이 정확도를 향상시킨다.
• 후행 분포와 은하 색상을 사용하여 이질적 적색편이를 거부하는 새로운 선택 기법—우도 비율 통계적 검정—을 개발하고 검증한다.
• 모의 및 실측 데이터에서 새로운 방법의 성능을 등급 기반 선택 및 신경망 접근 방식과 비교한다.
• 특히 암흑 에너지 및 대규모 구조 연구에 기여하기 위해 LSST 과학 목표를 충족시키는 견고하고 고정밀 광도 적색편이 추정을 가능하게 한다.

제안 방법

• GOODS 빛의 세기 함수를 사용해 현실적인 모의 은하 목록을 구축하고, magnitude, 색상 및 S/N 분포를 반영하여 LSST의 여섯 밴드 광도 측정을 시뮬레이션한다.
• 후행 확률 밀도 함수(pdf)를 확보하기 위해 베이지안 χ² 템플릿 피팅 방법을 적용하여 적색편이, 은하 유형 및 투명도에 대한 후행 확률 밀도 함수를 추정한다.
• 피팅 파라미터의 후행 pdf와 관측된 은하 색상을 사용하여 치명적인 이질점을 식별하고 거부하는 우도 비율 통계적 검정을 개발한다.
• CFHTLS T0005 데이터 배포에서 VVDS 스펙트로스코피와 매칭된 광학-스펙트로스코픽 교육 샘플을 사용해 우도 비율 검정을 교정한다.
• 실제 CFHTLS 데이터와 모의 LSST 목록을 사용해 광도 적색편이 성능과 이질점 거부 능력을 평가한다.
• 다층 퍼셉트론(MLP) 신경망 방법과 비교하고, 템플릿 피팅과 신경망 출력을 조합하는 하이브리드 접근 방식을 탐색한다.

실험 결과

연구 질문

• RQ1 후행 확률 분포와 색상에 기반한 우도 비율 검정이 LSST 유사 설문 조사에서 치명적인 광도 적색편이 이질점을 효과적으로 감소시킬 수 있는가?
• RQ2 유사한 광도 적색편이 정확도를 유지할 때, 우도 비율 기반 선택 방식이 등급 기반 선택(S/N ≥5개 밴드 이상)에 비해 광도 적색편이 정확도와 은하 유지율 측면에서 어떻게 성능을 냈는가?
• RQ3 향상된 템플릿 피팅 방법이 z ≈ 2.5까지 LSST의 엄격한 광도 적색편이 요구 조건(2–5% 산란, <10% 이질점)을 얼마나 잘 충족하는가?
• RQ4 템플릿 피팅과 신경망 광도 적색편이 추정치를 조합하면 우주론적 분석을 위한 신뢰성 있고 고품질의 샘플 크기를 향상시킬 수 있는가?
• RQ5 모의 LSST 목록에서 광도 적색편이 정확도에 영향을 주는 주요 시스템적 오차(예: 은하계 외부 투명도, 항성 오염, SED 보간의 혼동)는 무엇인가?

주요 결과

• 우도 비율 통계적 검정은 치명적인 광도 적색편이 이질점을 성공적으로 감소시켜, z ≈ 2.5까지 LSST 과학 요구 조건을 충족하는 광도 적색편이 정확도를 달성한다.
• 우도 비율 기반 선택은 유사한 광도 적색편이 성능을 유지하면서 고적색편이 영역(z > 1)에서 등급 기반 선택 대비 약 35% 더 많은 은하를 유지한다.
• 베이지안 사전 확률과 우도 비율 필터링을 적용한 템플릿 피팅 방법은 산란 2–5% 이하, 이질점 비율 10% 이하의 광도 적색편이 추정치를 생성하여 LSST 요구 조건을 충족시킨다.
• 신경망 방법 역시 경쟁 가능한 광도 적색편이 성능을 제공하며, 템플릿 피팅과 조합하면 신뢰성 있고 고품질의 적색편이 추정치로 구성된 샘플을 확대할 수 있다.
• 모의 은하 목록은 실제 설문 조사(GOODS 및 CFHTLS)의 광학적 특성을 정확히 재현하여, 이는 LSST 시뮬레이션 및 성능 예측에 활용할 수 있음을 검증한다.
• 항성 오염, 은하계 외부 투명도, SED 보간의 혼동성 등 시스템적 오차가 광도 적색편이 정확도에 영향을 주는 주요 과제로 규명되었으며, 향후 연구에서 모델링을 향상시키기 위한 계획이 수립되어 있다.