[논문 리뷰] New Strong Gravitational Lenses from the DESI Legacy Imaging Surveys Data Release 9

C. Storfer, Xiaosheng Huang외 15명|arXiv (Cornell University)|2022. 06. 06.

Astronomy and Astrophysical Research인용 수 7

한 줄 요약

이 연구는 DESI Legacy Imaging Surveys Data Release 9의 데이터를 바탕으로 기존의 렌즈와 비렌즈를 학습시킨 딥 리소지드 신경망을 사용하여 1,895개의 강한 중력 렌즈 후보를 특정하였다. 이 중 1,512개는 새로운 발견으로, 천체물리학적 및 우주론적 연구를 위한 고순도 렌즈 후보 샘플을 크게 확장하였다.

ABSTRACT

We have conducted a search for strong gravitational lensing systems in the Dark Energy Spectroscopic Instrument (DESI) Legacy Imaging Surveys Data Release 9. This is the third paper in a series. These surveys together cover $\sim$19,000 deg$^2$ visible from the Northern Hemisphere, reaching a z-band AB magnitude of $\sim$22.5. We use a deep residual neural network, trained on a compilation of known lensing systems and high-grade candidates as well as nonlenses in the same footprint. After applying our trained neural network to the survey data, we visually inspect and rank images with probabilities above a threshold which has been chosen to balance precision and recall. We have found 1895 lens candidates, of which 1512 are identified for the first time. Combining the discoveries from this work with those from Papers I (335) and II (1210), we have discovered a total of 3057 new candidates in the Legacy Surveys.

연구 동기 및 목표

• DESI Legacy Imaging Surveys Data Release 9에서 새로운 강한 중력 렌즈 시스템을 특정하여 고 redshift 및 고 확대율 렌즈된 은하 샘플을 확장하기 위해.
• 머신러닝을 활용하여 대규모 이미징 설문에서 렌즈 탐지의 효율성과 순도를 향상시키기 위해.
• H₀ 갈등과 냉각 암흑물질 하위구조 예측을 포함한 우주론적 모델 검증을 위한 렌즈 시스템 카탈로그의 확장을 기여하기 위해.
• 대규모 고품질 후보 샘플을 제공하여 향후 렌즈 모델링 및 시간지연 거리 측정을 지원하기 위해.

제안 방법

• 동일한 설문 영역 내에서 알려진 렌즈 시스템, 고품질 후보, 비렌즈를 포함한 통계적으로 대표적인 훈련 세트를 기반으로 딥 리소지드 신경망(ResNet)을 훈련시켰다.
• 훈련된 신경망을 DR9 데이터에 적용하여 북반천의 약 19,000 deg²에 걸쳐 잠재적 렌즈 후보에 대한 확률 점수를 생성하였다.
• 고순도를 확보하고 잡음 신호를 줄이기 위해 시각적 검토 및 수작업 순위 매기기를 통해 확률 임계값을 설정하였다.
• 이전 논문(Papers I 및 II)의 발견 결과와 결합하여 Legacy Surveys 전체 영역에서 총 3,057개의 새로운 렌즈 후보를 포함한 누적 카탈로그를 구축하였다.
• 렌즈 식별에 필수적인 형태적 특징 탐지를 향상시키기 위해 DECaLS, BASS 및 MzLS의 다중 파장 이미징(g, r, z)을 활용하였다.
• GPU 가속 인퍼런스 및 검증 파이프라인을 사용하여 전체 설문 영역을 효율적으로 스케일링한 설문 검색을 수행하였다.

실험 결과

연구 질문

• RQ1 딥 러닝을 사용하여 DESI Legacy Imaging Surveys DR9에서 얼마나 많은 새로운 강한 중력 렌즈 후보를 특정할 수 있는가?
• RQ2 대표적인 렌즈 및 비렌즈 샘플에 기반한 딥 리소지드 신경망 모델의 순도와 완전성은 어떠한가?
• RQ3 최근 발견된 렌즈 후보는 이전에 알려진 시스템과 비교해 분포 및 형태학적으로 어떻게 다른가?
• RQ4 머신러닝은 향후 LSST 및 로만 우주망원경과 같은 설문에서 강한 렌즈 시스템의 발견을 얼마나 가속화할 수 있는가?
• RQ5 식별된 후보들은 냉각 암흑물질 모델에서 고정밀 시간지연 H₀ 측정 및 하위구조 검증을 지원할 수 있는가?

주요 결과

• DESI Legacy Imaging Surveys DR9에서 총 1,895개의 강한 중력 렌즈 후보가 특정되었으며, 이 중 1,512개는 새로운 발견이다.
• 딥 리소지드 신경망은 높은 순도로 후보 선택을 달성하였으며, 고확률 시스템의 시각적 검토 및 순위 매기기를 통해 검증되었다.
• 이 연구와 이전 논문(I 및 II)의 결과를 종합하면 북반천 약 19,000 deg² 영역에서 총 3,057개의 새로운 렌즈 후보가 포함된 누적 카탈로그가 구축되었다.
• 이 방법은 대규모 렌즈 검색에 있어 확장성과 효과성을 입증하였으며, 향후 LSST 및 Euclid와 같은 설문에 대한 전조를 제공한다.
• 식별된 후보들은 시간지연 측정, 암흑물질 하위구조 분석, 렌즈 모델링 등의 후속 연구에 적합하다.
• 결과는 딥 러닝 접근법이 대규모 이미징 데이터셋에서 기존 방법보다 속도와 수확률 면에서 뛰어나다는 것을 확인한다.