[논문 리뷰] EasyCritics II. Testing its efficiency: new gravitational lens candidates in CFHTLenS

M. Carrasco, S. Stapelberg외 4명|arXiv (Cornell University)|2018. 07. 10.

Galaxies: Formation, Evolution, Phenomena참고 문헌 2인용 수 4

한 줄 요약

EasyCritics II는 강한 렌즈 효과를 모델링하고 임계 곡선을 생성하기 위해 밝은 타원은하의 광도 데이터를 사용하는 완전 자동화된 알고리즘을 제시한다 (0.2 ≤ z ≤ 0.9). 이로 인해 CFHTLenS의 검토 영역이 154 제곱도에서 단 0.623 제곱도(0.4%)로 감소하였으며, 44개의 알려진 렌즈 중 32개를 식별하고, 9개의 새로운 후보자를 발견하였으며, 거짓 탐지 비율은 9%에 불과하다.

ABSTRACT

We report the results of $EasyCritics$, a fully automated algorithm for the efficient search of strong-lensing (SL) regions in wide-field surveys, applied to the Canada-France-Hawaii Telescope Lensing Survey (CFHTLenS). By using only the photometric information of the brightest elliptical galaxies distributed over a wide redshift range ($\smash{0.2 \lesssim z \lesssim 0.9}$) and without requiring the identification of arcs, our algorithm produces lensing potential models and catalogs of critical curves of the entire survey area. We explore several parameter set configurations in order to test the efficiency of our approach. In a specific configuration, $EasyCritics$ generates only $\sim1200$ possibly super-critical regions in the CFHTLS area, drastically reducing the effective area for inspection from $154$ sq. deg to $\sim0.623$ sq. deg, $i.e.$ by more than two orders of magnitude. Among the pre-selected SL regions, we identify 32 of the 44 previously known lenses on the group and cluster scale, and discover 9 new promising lens candidates. The detection rate can be easily improved to $\sim82\%$ by a simple modification in the parameter set, but at the expense of increasing the total number of possible SL candidates. Note that $EasyCritics$ is fully complementary to other arc-finders since we characterize lenses instead of directly identifying arcs. Although future comparisons against numerical simulations are required for fully assessing the efficiency of $EasyCritics$, the algorithm seems very promising for upcoming surveys covering $\smash{10^{4}}$ sq. deg, such as the $Euclid$ mission and $LSST$, where the pre-selection of candidates for any kind of SL analysis will be indispensable due to the expected enormous data volume.

연구 동기 및 목표

• 강한 렌즈 효과 탐지를 위한 자동화되고 효율적인 방법을 개발하여, 아치 탐지에 의존하지 않고 넓은 천체망원경 설문에서 강한 렌즈 영역을 사전 선별하고자 한다.
• EasyCritics의 효율성과 신뢰성을 CFHTLenS 설문에서 알려진 렌즈 및 새로운 강한 렌즈 시스템 식별에 대해 테스트하고자 한다.
• 수작업 검토가 필요한 효과적 영역을 수십만 배 이상 감소시켜, 유클리드와 LSST와 같은 향후 대규모 설문에의 확장성을 확보하고자 한다.
• 독립적인 약한 렌즈 및 빛의 총량 측정과 비교하여 알고리즘의 렌즈 특성 분석을 검증하고자 한다.
• 시각적 아치 식별에 의존하지 않고 렌즈 잠재력 모델링에 초점을 맞춘, 아치 탐지 방법과의 보완적 접근을 제공하고자 한다.

제안 방법

• 알고리즘은 렌즈 평면 입력으로서 가장 밝은 타원은하(0.2 ≤ z ≤ 0.9)의 광도 적색편이 및 밝기 측정치를 사용한다.
• 단일 등온 구형체(SIS) 근사법을 사용하여 중력 렌즈 잠재력 모델을 구축하고, 임계 곡선과 아이언스타인 반경을 계산한다.
• 감지 효율을 최적화하기 위해 클러스터 속도 분산 임계값(σ_clus)을 다양하게 변화시켜 여러 매개변수 설정을 테스트한다.
• 초임계 곡선 기반으로 사전 선별된 후보 영역(SL 영역)을 생성하여 시각적 검토에 대한 의존도를 최소화한다.
• 모든 후보자에 대해 82'' × 82'' 크기의 RGB FITS 컷아웃을 생성하여 시각적 후속 조사 및 특징 평가를 가능하게 한다.
• 결과는 알려진 렌즈(KLs 및 KCs), 약한 렌즈 속도 분산, 총 빛의 총량과의 교차 매칭을 통해 검증된다.

실험 결과

연구 질문

• RQ1 시각적 아치 탐지에 의존하지 않고, 광도 데이터만을 사용하는 자동화된 방법이 넓은 천체망원경 설문에서 강한 렌즈 영역을 효율적으로 사전 선별할 수 있는가?
• RQ2 EasyCritics의 감지 효율은 CFHTLenS의 알려진 렌즈 샘플과 비교해 어떻게 되며, 거짓 양성 비율은 얼마인가?
• RQ3 EasyCritics가 유도한 아이언스타인 반경은 독립적인 질량 추정치(예: 약한 렌즈 속도 분산 및 총 빛의 총량)와 어느 정도 상관관계를 가지는가?
• RQ4 EasyCritics는 강한 렌즈 탐색에 필요한 검토 영역을 두 개 이상의 주기 이상 감소시킬 수 있는가, 동시에 높은 완전성을 유지하는가?
• RQ5 CFHTLenS와 같이 잘 연구된 설문에서 알고리즘은 알려진 렌즈와 새로운 렌즈 후보자를 어떻게 식별하는가?

주요 결과

• EasyCritics는 CFHTLenS에서 검토 영역을 154 제곱도에서 0.623 제곱도로 감소시켜 99.6% 이상 감소시켰다.
• 알려진 클러스터 규모 렌즈(KLs) 44개 중 32개, 쐐기 규모 렌즈(KCs) 44개 중 12개를 식별하여 KLs에 대해 73%의 완전성을 달성했다.
• 사전 선별된 1200개의 SL 영역 중 9%만이 거짓 탐지였으며, 주로 광도 카탈로그 문제나 시선 방향의 구조로 인한 것이었다.
• EasyCritics가 유도한 아이언스타인 반경은 약한 렌즈 속도 분산(산란 약 37%)과 총 빛의 총량(산란 약 31%)과 강한 상관관계를 보였다.
• 사전 선별된 1200개 영역의 시각적 검토 후 9개의 새로운 유망한 렌즈 후보자가 발견되어 높은 탐지 잠재력을 보였다.
• 개조된 매개변수 설정은 감지 완전성을 약 82%로 높였지만, 후보자 수 증가를 수반하였다.