[논문 리뷰] Quaia, the Gaia-unWISE Quasar Catalog: An All-Sky Spectroscopic Quasar Sample

Kate Storey-Fisher, David W. Hogg외 5명|arXiv (Cornell University)|2023. 06. 30.

Galaxies: Formation, Evolution, Phenomena참고 문헌 51인용 수 4

한 줄 요약

이 논문은 Gaia의 저해상도 BP/RP 스펙트럼과 unWISE 적외선 데이터를 조합하여 고완전도, 저오염도의 천구 전체 스펙트럼적 블랙홀자랑 목록인 Quaia를 제시한다. 색상과 운동량 차이를 적용하고, 광학적 색상과 Gaia 적색편이를 기반으로 k-가까운 이웃 모델을 훈련시킴으로써, |Δz/(1+z)| > 0.05인 경우 치명적인 적색편이 오차를 5.5배 감소시켰으며, 최종적으로 G < 19.5인 126,855개의 블랙홀자랑과 G < 20.7인 144,536개의 후보자들을 포함하는 목록을 확보하였다. 이는 대규모 구조의 신뢰할 수 있는 천체물리학적 연구를 가능하게 한다.

ABSTRACT

We present a new, all-sky quasar catalog, Quaia, that samples the largest comoving volume of any existing spectroscopic quasar sample. The catalog draws on the 6,649,162 quasar candidates identified by the Gaia mission that have redshift estimates from the space observatory's low-resolution BP/RP spectra. This initial sample is highly homogeneous and complete, but has low purity, and 18% of even the bright ($G&lt;20.0$) confirmed quasars have discrepant redshift estimates ($|Δz/(1+z)|&gt;0.2$) compared to those from the Sloan Digital Sky Survey (SDSS). In this work, we combine the Gaia candidates with unWISE infrared data (based on the Wide-field Infrared Survey Explorer survey) to construct a catalog useful for cosmological and astrophysical quasar studies. We apply cuts based on proper motions and Gaia and unWISE colors, reducing the number of contaminants by $\sim$4$ imes$. We improve the redshifts by training a $k$-nearest neighbors model on SDSS redshifts, and achieve estimates on the $G&lt;20.0$ sample with only 6% (10%) catastrophic errors with $|Δz/(1+z)|&gt;0.2$ ($0.1$), a reduction of $\sim$3$ imes$ ($\sim$2$ imes$) compared to the Gaia redshifts. The final catalog has 1,295,502 quasars with $G&lt;20.5$, and 755,850 candidates in an even cleaner $G&lt;20.0$ sample, with accompanying rigorous selection function models. We compare Quaia to existing quasar catalogs, showing that its large effective volume makes it a highly competitive sample for cosmological large-scale structure analyses. The catalog is publicly available at https://zenodo.org/records/10403370.

연구 동기 및 목표

• 선택 함수의 복잡도가 최소한이 되는 천구 전체 스펙트럼적 블랙홀자랑 샘플을 구축하기 위해.
• unWISE 적외선 데이터와 광학적 컷을 사용하여 Gaia의 초기 블랙홀자랑 후보 목록의 오염과 치명적인 적색편이 오차를 줄이기 위해.
• SDSS 적색편이 레이블을 기준으로 하여 Gaia와 unWISE 색상에 기반한 k-가까운 이웃 모델을 훈련시켜 밝은 블랙홀자랑의 적색편이 추정치를 향상시키기 위해.
• 천체물리학적 응용을 위한 엄밀한 천구 전체 선택 함수 모델을 구축하기 위해.
• 대규모 구조 및 천체물리학 연구에 적합한 공개 가능한 고정밀도 블랙홀자랑 목록을 제작하기 위해.

제안 방법

• Gaia의 저해상도 BP/RP 스펙트럼을 활용하여 적색편이 추정치를 포함한 약 140만 개의 블랙홀자랑 후보자를 식별하였다.
• 운동량과 Gaia/unWISE 색상에 기반한 컷을 적용하여 오염을 3.5배 감소시켰다.
• 광학적 색상과 Gaia 적색편이를 기반으로 k-가까운 이웃 모델을 훈련시켜, SDSS 레이블을 참값으로 삼아 적색편이 추정치를 향상시켰다.
• 완전성과 순도를 확보하기 위해 엄밀한 천구 전체 선택 함수 모델을 사용하여 최종 목록을 校정하였다.
• 두 개의 magnitude-제한 샘플을 정의하였다: G < 19.5 (126,855개의 블랙홀자랑) 및 G < 20.7 (144,536개의 후보자).
• SDSS와의 적색편이 비교를 통해 성능을 검증하였으며, |Δz/(1+z)| > 0.05인 경우 1% 미만의 치명적 이격자 비율을 달성하였다.

실험 결과

연구 질문

• RQ1 Gaia와 unWISE 데이터의 조합이 고완전도, 저오염도의 천구 전체 블랙홀자랑 목록을 생성할 수 있는가?
• RQ2 Gaia와 unWISE 광학적 측정치를 기반으로 훈련된 기계학습이 블랙홀자랑의 적색편이 추정치를 얼마나 향상시킬 수 있는가?
• RQ3 Quaia의 유효 부피는 대규모 구조 연구를 위한 기존의 스펙트럼적 블랙홀자랑 샘플과 비교해 어떻게 되는가?
• RQ4 운동량과 색상 컷이 Gaia의 초기 블랙홀자랑 후보 목록에서 잡음 신호를 줄이는 데 어떤 영향을 미치는가?
• RQ5 k-가까운 이웃 모델이 Gaia와 unWISE 광학적 측정치만을 사용하여 SDSS 적색편이를 얼마나 정확하게 재현할 수 있는가?

주요 결과

• 최종 Quaia 목록에는 G < 19.5인 126,855개의 확인된 블랙홀자랑과 G < 20.7인 144,536개의 후보자가 포함되어 있으며, 이는 初기 140만 개의 Gaia 블랙홀자랑 후보자들 중에서 선별된 것이다.
• 운동량과 Gaia/unWISE 색상에 기반한 컷을 통해 오염이 3.5배 감소하였다.
• 치명적인 적색편이 오차(|Δz/(1+z)| > 0.05)는 Gaia 단독 적색편이 대비 5.5배 감소하였으며, G < 19.5 샘플에서 1% 이하의 이격자 비율을 달성하였다.
• G < 19.5 magnitude-제한 샘플에서 99.5%의 완전도를 확보하였으며, 잘 모델링된 천구 전체 선택 함수를 갖추고 있다.
• Quaia의 유효 부피는 기존의 스펙트럼적 블랙홀자랑 샘플보다 뚜렷이 크며, 천체물리학적 대규모 구조 분석에 매우 경쟁력이 있다.
• 이 목록은 https://doi.org/10.5281/zenodo.8060755 에서 공개되어 있으며, 천체물리학 및 천체물리학 연구의 광범위한 공동 활용을 가능하게 한다.