[논문 리뷰] Angular clustering properties of the DESI QSO target selection using DR9 Legacy Imaging Surveys

E. Chaussidon, Christophe Yèche외 13명|arXiv (Cornell University)|2021. 08. 08.

Galaxies: Formation, Evolution, Phenomena참고 문헌 54인용 수 38

한 줄 요약

이 논문은 DESI QSO 타겟 선택에서 각도 클러스터링 시스템성 문제를 보정하기 위한 기계학습 기반 보정 절차를 개발하고 검증한다. DR9 Legacy Imaging Surveys를 사용하여, Random Forest 및 Multi-Layer Perceptron 모델을 적용해 광학 시스템성 문제와 항성 오염(특히 사자자리 스트림으로부터의 오염)을 보정함으로써, 풋프린트의 2/3 영역에서 SDSS DR16 퀘이사와 일치하는 각도 상관 함수를 달성하여, 우주론적 클러스터링 분석을 위한 타겟 선택의 강건성을 검증한다.

ABSTRACT

The quasar target selection for the upcoming survey of the Dark Energy Spectroscopic Instrument (DESI) will be fixed for the next five years. The aim of this work is to validate the quasar selection by studying the impact of imaging systematics as well as stellar and galactic contaminants, and to develop a procedure to mitigate them. Density fluctuations of quasar targets are found to be related to photometric properties such as seeing and depth of the Data Release 9 of the DESI Legacy Imaging Surveys. To model this complex relation, we explore machine learning algorithms (Random Forest and Multi-Layer Perceptron) as an alternative to the standard linear regression. Splitting the footprint of the Legacy Imaging Surveys into three regions according to photometric properties, we perform an independent analysis in each region, validating our method using eBOSS EZ-mocks. The mitigation procedure is tested by comparing the angular correlation of the corrected target selection on each photometric region to the angular correlation function obtained using quasars from the Sloan Digital Sky Survey (SDSS)Data Release 16. With our procedure, we recover a similar level of correlation between DESI quasar targets and SDSS quasars in two thirds of the total footprint and we show that the excess of correlation in the remaining area is due to a stellar contamination which should be removed with DESI spectroscopic data. We derive the Limber parameters in our three imaging regions and compare them to previous measurements from SDSS and the 2dF QSO Redshift Survey.

연구 동기 및 목표

• . 주요 목적은 영상 시스템성과 항성 오염을 평가하고 보정함으로써 DESI QSO 타겟 선택 방법을 검증하는 것이다.
• . 이 연구는 DESI 설문조사에서의 대규모 구조 클러스터링 측정치가 광학 시스템성 또는 타겟 선택 효과로 인해 편향되지 않도록 보장하고자 한다.
• . 이는 영상 시스템성과 기계학습을 활용하여 스펙트럼 타겟 샘플의 각도 클러스터링 시스템성을 보정하는 강력하고 이식 가능한 방법을 개발하는 데 목적이 있다.
• . 이 작업은 스펙트럼 추적 이전에 DESI QSO 샘플의 시스템성을 보정하는 개념 증명을 제공하며, 우주론적으로 편향되지 않은 결과를 보장한다.

제안 방법

• . 저자들은 광학적 성질에 따라 DESI Legacy Imaging Survey 풋프린트를 세 영역으로 나누었다: 북부, 남부, DES(적경 > −30).
• . 비선형적 관계를 모델링하기 위해 Random Forest 및 Multi-Layer Perceptron 모델을 적용하여 타겟 밀도 변동과 시스템성(예: 시야, 깊이, PSF) 간의 관계를 분석한다.
• . 훈련된 모델에서 유도된 보정 가중치를 사용하여 각 영역에서 독립적으로 시스템성을 완화한다.
• . eBOSS EZ-mocks를 사용하여 방법을 검증하고, 우주론적 일관성을 평가하기 위해 SDSS DR16 퀘이사의 각도 상관 함수와 비교한다.
• . 각 영역에 대해 Limber 매개변수(r₀, γ)를 유도하고 이전의 SDSS 및 2dF QSO 설문 측정치와 비교한다.
• . 사자자리 스트림 기반의 항성 오염 지ap을 활용하여 분산된 항성 오염이 클러스터링에 미치는 영향을 식별하고 평가한다.

실험 결과

연구 질문

• RQ1 . z 및 W2 대역에서의 광학 시스템성(예: 시야, 깊이)이 DESI QSO 타겟의 각도 클러스터링에 어느 정도 영향을 미치는가?
• RQ2 . Random Forest 및 Multi-Layer Perceptron을 활용한 기계학습 기반 보정이 선형 회귀에 비해 비선형 시스템성을 얼마나 효과적으로 완화하는가?
• RQ3 . 보정된 DESI QSO 타겟 선택이 SDSS DR16 퀘이사와 일치하는 각도 클러스터링 특성을 달성할 수 있는가?
• RQ4 . 특히 사자자리 스트림으로부터의 항성 오염이 각도 상관 함수의 과도한 클러스터링에 기여하는 정도는 어떠한가?
• RQ5 . 영상 기반 보정만으로 시스템성을 얼마나 효과적으로 해결할 수 있으며, 언제 스펙트럼 추적 후속 관측이 필수적인가?

주요 결과

• . 보정 절차를 적용한 후, 북부 및 남부 영역의 DESI QSO 타겟 각도 상관 함수는 1σ 불확도 내에서 SDSS DR16 퀘이사와 일치한다.
• . 보정된 DESI QSO 타겟 선택은 북부 영역에서 r₀ = 7.49 ± 0.57 h⁻¹Mpc, 남부 영역에서 r₀ = 10.33 ± 0.84 h⁻¹Mpc를 달성하여 SDSS 측정치와 일치한다.
• . DES 영역(적경 > −30)에서는 보정된 r₀ = 6.76 ± 0.58 h⁻¹Mpc를 기록하였으며, 이 역시 SDSS 및 2dF QSO 설문 결과와 일치한다.
• . 사자자리 스트림 영역에서는 보정 후에도 과도한 클러스터링이 지속되며, 이는 미세한, 이전에 탐지되지 않은 별들로부터의 분산된 항성 오염으로 기인한다.
• . 이 방법은 풋프린트의 2/3 영역에서 시스템성을 성공적으로 감소시켜, 영상 기반 보정이 우주론적으로 의미 있는 정밀도를 달성할 수 있음을 입증한다.
• . 연구는 스펙트럼 추적 후속 관측이 항성 오염을 완전히 제거하고 최적의 클러스터링 측정치를 확보하기 위해 필수적임을 확인한다.