[논문 리뷰] A Self-Calibrating Halo-Based Galaxy Group Finder: Algorithm and Tests

Jeremy L. Tinker|arXiv (Cornell University)|2020. 07. 23.

Advanced Fluorescence Microscopy Techniques인용 수 8

한 줄 요약

이 논문은 색깔에 따라 달라지는 군집과 스택된 위성 항성 밝기($L_{\rm sat}$)에 대한 관측 제약 조건을 사용하여 중심-위성 항성계 분류 및 헬로 질량 추정을 향상시키는 자기 캘리브레이션(self-calibrating) 헬로 기반 은하 군집 탐지기(self-calibrating halo-based galaxy group finder)를 제시한다. 이 방법은 헬로 질량 오차를 $\lesssim 0.2$ 덱스 이내로 줄이며, 단 한 명의 분광학적 성분만을 가진 군집에서도 항성-헬로 관계에 대한 강력한 제약 조건을 제공한다.

ABSTRACT

We describe an extension of the halo-based galaxy group-finding algorithm. We add freedom to the algorithm in order to more accurately determine which galaxies are central and which are satellites, and to provide unbiased estimates of halo masses. We focus on determination of the galaxy-halo relations for star-forming and quiescent galaxies. The added freedom in the group-finding algorithm is self-calibrated using observations of color-dependent galaxy clustering, as well as measurements of the total satellite luminosity in deep imaging data around stacked samples of spectroscopic central galaxies, L_sat. We test this approach on a series of mocks that vary the galaxy-halo connection, including one mock constructed from UniverseMachine results. Our self-calibrated algorithm shows marked improvement over previous methods in estimating the color-dependent satellite fraction of galaxies. It reduces the error in log M_halo for central galaxies by over a factor of two, to

연구 동기 및 목표

• 기존의 헬로 기반 군집 탐지기의 한계를 해결하여, 특히 색깔로 분리된 샘플에 대해 중심-위성 항성계 분류의 정확성을 높이는 것.
• 불완전한 군집 탐지 알고리즘과 모의 데이터에 의존하는 校정에 기인한 헬로 질량 추정 및 위성 비율 측정의 체계적 오차를 줄이는 것.
• 단지 관측 데이터만을 사용하여 항성-헬로 연결, 특히 항성 밝기-헬로 질량 관계에 대해 항성성 및 휴면성 항성계에 대해 강력한 제약 조건을 제공하는 것.
• 모의 데이터에 의존하지 않고, 항성 군집 및 $L_{\rm sat}$ 측정과 같은 독립적인 관측 조건을 사용하여 자기 캘리브레이션 프레임워크를 제공하는 것.
• 고정된 헬로 질량에서 항성 밝기의 산란을 정량화하여 이전 방법이 실패한 하한선을 제공하는 것.

제안 방법

• 헬로 기반 군집 탐지 알고리즘에 추가 자유 매개변수를 도입하여 중심-위성 할당 및 헬로 질량 추정의 유연한 모델링을 가능하게 한다.
• 색깔에 따라 달라지는 항성 군집과 분광학적 중심 항성 주변의 스택된 $L_{\rm sat}$ 측정치라는 두 가지 독립적인 관측 제약 조건을 사용해 이러한 매개변수를 자기 캘리브레이션한다.
• 군집 데이터를 사용해 빨간색과 파란색 위성의 상대적 비율을 제약 조건화하여 잘못된 분류 편향을 교정한다.
• $L_{\rm sat}$ 데이터를 사용해 항성성 및 휴면성 항성계에 대해 별도로 밝기-헬로 질량 관계를 캘리브레이션하며, 분광학적 성분이 한 명뿐인 군집에서도 가능하다.
• 다양한 항성-헬로 연결을 가진 모의 카탈로그, 특히 UniverseMachine 시뮬레이션에서 유도된 하나를 사용해 알고리즘의 성능을 검증한다.
• 렌즈 효과 및 대규모 구조 제약 조건을 통합하여 헬로 형성 편향이 $L_{\rm sat}$ 및 항성 성질에 미치는 영향을 평가한다.

실험 결과

연구 질문

• RQ1 자기 캘리브레이션된 군집 탐지 알고리즘이 색깔로 분리된 항성 집단에 대해 중심-위성 항성계 분류의 정확도를 향상시킬 수 있는가?
• RQ2 항성 군집 및 $L_{\rm sat}$에 대한 관측 제약 조건이 헬로 기반 군집 탐지기에서 모의 기반 校정을 얼마나 대체할 수 있는가?
• RQ3 이 알고리즘이 저질량 또는 단일 성분 군집에서 항성성 및 휴면성 항성계의 밝기-헬로 질량 관계를 강력하게 추정할 수 있는가?
• RQ4 고정된 헬로 질량에서 항성 밝기의 산란에 대한 하한선은 무엇이며, 이 방법을 통해 신뢰성 있게 추정할 수 있는가?
• RQ5 헬로 형성 편향은 관측된 $L_{\rm sat}$에 어떤 영향을 미치며, 자기 캘리브레이션 프레임워크는 이러한 영향을 탐지하거나 제약 조건화할 수 있는가?

주요 결과

• 자기 캘리브레이션된 알고리즘은 중심 항성의 헬로 질량 추정 오차를 $\lesssim 0.2$ 덱스 이내로 줄여 이전 방법보다 두 배 이상 향상시켰다.
• 이 방법은 색깔에 따라 달라지는 위성 비율을 훨씬 더 정확하게 복원하여, 이전에 빨간색 위성 비율을 과소평가하는 편향을 교정했다.
• $L_{\rm sat}$ 데이터를 사용해 단 한 명의 분광학적 성분만을 가진 군집에서도 항성성 및 휴면성 항성계 간의 밝기-헬로 질량 관계의 차이를 제약 조건화할 수 있었다.
• 이 접근법은 기존의 군집 탐지 기술이 실패한 고정된 헬로 질량에서 항성 밝기의 산란에 대한 강력한 하한선을 제공한다.
• 이 알고리즘은 다양한 모의 카탈로그, 특히 UniverseMachine 시뮬레이션 기반 카탈로그에서도 일관된 성능을 보여, 기반 모의 가정에 대한 강건성을 입증했다.
• 관측 제약 조건에 의한 $L_{\rm sat}$ 분석은 대규모 밀도에서 약 $\sim 2\%$ 감소함을 보여, 총 위성 밝기에서의 항성 형성 편향 효과가 약하며, IllustrisTNG와 같은 유체역학 시뮬레이션과 일치한다.