[論文レビュー] Advanced Data Reduction for the MUSE Deep Fields

Simon Conseil, Roland Bacon+2 more|arXiv (Cornell University)|Dec 15, 2016

Astronomy and Astrophysical Research被引用数 4

ひとこと要約

本論文では、MUSE Deep Fieldsのための高度でカスタム化されたデータ低減パイプラインを提示する。これは公式のESOパイプラインを補完するもので、自動フラットフィールディング、ZAPを用いたスカイ減算、マスキング、PSF推定、最適化されたキューブ結合といった追加ステップを統合しており、機器由来の残差や背景変動が著しく低減されたデータキューブを実現している。これは、深宇宙の銀河赤方偏移測定や高精度な源検出に不可欠である。

ABSTRACT

The Multi Unit Spectroscopic Explorer (MUSE) is an integral-field spectrograph operating in the visible wavelength range, and installed at the Very Large Telescope (VLT). The official MUSE pipeline is available from ESO. However, for the data reduction of the Deep Fields program (Bacon et al., in prep.), we have built a more sophisticated reduction pipeline, with additional reduction tasks, to extend the official pipeline and produce cubes with fewer instrumental residuals.

研究の動機と目的

• 深宇宙データキューブに残存する機器および大気由来の特徴を残さない標準MUSEパイプラインの限界を是正する。
• 複雑なキャリブレーション要件を有する複数の露光（1観測あたり最大2.2 TB）を、信頼性の高い自動処理が可能な大規模データセットを処理できるようにする。
• スカイ残差と背景変動を最小限に抑えることで、深宇宙の銀河調査における微弱な高赤方偏移源の検出感度を向上させる。
• 最新のソフトウェアツールを用いた再現可能でバージョン管理されたデータ低減システムを構築し、科学的信頼性とスケーラビリティを確保する。

提案手法

• タスク自動化にdoit、メタデータおよびファイル追跡にSQLite、リアルタイムの品質管理と可視化にJupyterノートブックを用いたカスタムデータ低減パイプラインを実装した。
• マスクされたpixtablesからのスカイリファレンススペクトルを用いて、スライスレベルの感度変動を計算・補正することで、自動フラットフィールディングを実施した。
• 残存スカイラインに対して主成分分析を用いることで高精度なスカイ減算を実現するZAP（ZAP for Astronomical Processing）を採用した。
• pixtablesおよびデータキューブの両方に対して複数段階のマスキング処理を統合し、不良画素や宇宙線などの機器由来アーティファクトを除去した。
• MPDAFのCubeListおよびCubeMosaicクラスを用いて、平均、中央値、シグマクリッピングなどの強力なアルゴリズムを用いて複数露光を組み合わせ、信号対雑音比の向上とモザイク作成を実現した。
• 各フィルタ毎にMUSEデータをハッブル宇宙望遠鏡の画像にあわせ、合わせてフィッティングすることで、PSF推定を実施し、正確なPSFモデリングとポイントング補正を可能にした。

実験結果

リサーチクエスチョン

• RQ1 標準ESOパイプラインの能力を超えて、MUSEデータキューブにおける機器由来の残差をどのように最小化できるか？
• RQ2 複雑なキャリブレーション依存関係を持つ数多くの長時間露光MUSE観測（数百件）を、自動的かつ再現可能に効率的に処理するワークフローはどのようなものか？
• RQ3 ZAPを用いたスカイ減算とスライスレベルのフラットフィールディングは、深宇宙フィールドにおける背景の均一性と源検出感度をどの程度向上させ得るか？
• RQ4 HSTリファレンス画像をどのように活用して、MUSEデータキューブにおけるPSFの変動とポイントングオフセットを補正できるか？
• RQ5 最終的なデータキューブにおいて、高度な組み合わせ技術とマスキング処理により、どの程度のデータ品質の向上が達成されるか？

主な発見

• カスタムパイプラインにより、最終的なデータキューブにおける機器由来の残差と背景変動が低減され、微弱源検出に向けた忠実度が著しく向上した。
• ZAPを用いたスカイ減算の統合により、図3の直接的なスペクトル比較で示されるように、残存スカイラインが減少したクリアなスペクトルが得られた。
• スカイリファレンススペクトルを用いた自動フラットフィールディングにより、視野全域にわたるフラックスキャリブレーションの均一性が向上した。
• HST画像を用いたPSF推定法により、MUSEのポイント spread関数の正確なモデリングが可能になり、画像の photometric および形態的精度が向上した。
• CubeMosaicおよびシグマクリッピングの組み合わせ技術を用いることで、3′×3′のUDFフィールド全域にわたってノイズ低減とダイナミックレンジの向上を実現したモザイクが得られた。
• 全処理パイプラインは、doit、SQLite、Jupyterノートブックを用いて再現可能かつスケーラブルに構築され、複数の深宇宙データセットにわたる一貫性のある結果を実現した。