[論文レビュー] Gaia GraL: Gaia DR2 Gravitational Lens Systems. III. A systematic blind search for new lensed systems

L. Delchambre, A. Krone-Martins+14 more|SPIRE - Sciences Po Institutional REpository|Jul 8, 2018

Stellar, planetary, and galactic studies参考文献 70被引用数 16

ひとこと要約

本論文は、画像処理を一切用いずに、Gaia DR2 のアストロメトリックおよび光度的データのみを用いて、強力な重力レンズ候補を体系的・盲目的に探索する手法を提示している。極めてランダムに木を構築する（Extremely Randomized Trees; ERT）手法を用い、模擬レンズモデルに基づいて天体クラスタを分類した。この手法により、15件の新たな四重像レンズ候補を同定し、13件の既知システムのうち12件を回復した。誤分類率は1%未満であり、画像処理を一切用いずに、アストロメトリックおよび光度的データのみで高効率なレンズ検出が可能であることを示している。

ABSTRACT

Aims: In this work, we aim to provide a reliable list of gravitational lens (GL) candidates based on a search performed over the entire Gaia Data Release 2 (Gaia DR2). We also show that the sole astrometric and photometric informations coming from the Gaia satellite yield sufficient insights for supervised learning methods to automatically identify GL candidates with an efficiency that is comparable to methods based on image processing. Methods: We simulated 106,623,188 lens systems composed of more than two images, based on a regular grid of parameters characterizing a non-singular isothermal ellipsoid lens model in the presence of an external shear. These simulations are used as an input for training and testing our supervised learning models consisting of Extremely Randomized Trees. The latter are finally used to assign to each of the 2,129,659 clusters of celestial objects a discriminant value that reflects the ability of our simulations to match the observed relative positions and fluxes from each cluster. Once complemented with additional constraints, these discriminant values allowed us to identify GL candidates out of the list of clusters. Results: We report the discovery of 15 new quadruply-imaged lens candidates with angular separations less than 6" and assess the performance of our approach by recovering 12 out of the 13 known quadruply-imaged systems with all their components detected in Gaia DR2 with a misclassification rate of fortuitous clusters of stars as lens systems that is below one percent. Similarly, the identification capability of our method regarding quadruply-imaged systems where three images are detected in Gaia DR2 is assessed by recovering 10 out of the 13 known quadruply-imaged systems having one of their constituting images discarded. The associated misclassification rate varying then between 5.8% and 20%, depending on the image we decided to remove.

研究の動機と目的

• 画像処理に依存せずに、Gaia DR2 のアストロメトリックおよび光度的データのみを用いて、新しい強力な重力レンズ候補を同定すること。
• 特に、模擬レンズモデルに基づいて学習した教師あり機械学習（特に極めてランダムに木を構築する（ERT））が、レンズ化された天体系を検出する性能を評価すること。
• 星団がレンズ系として誤分類される割合を低減するため、誤分類率を評価すること。
• 大規模な調査に適用可能な信頼性の高い自動化手法を提供すること。将来的なGaiaデータリリースや複数のカタログの組み合わせへの応用も想定すること。
• さまざまな検出条件の下で既知の四重像レンズ系を再現できることを検証することで、手法の有効性を検証すること。

提案手法

• 外部シアーを含む非特異的等方的楕円レンズモデルを用いて、106,623,188件のレンズ系を模擬した。レンズパラメータのグリッドをカバーした。
• これらの模擬データを用いて、極めてランダムに木を構築する（ERT）モデルを学習および検証し、レンズパラメータと観測された相対位置・フラックス比との関係を学習した。
• 訓練済みのERTモデルを、Gaia DR2 から抽出した2,129,659件の天体クラスタに適用し、各クラスタに、模擬レンズ構成との一致度を反映する判別スコアを割り当てた。
• 視差および固有運動を用いて非定常的対象を除外し、角度間隔 ≤6 arcsec かつ明るさ差 ≤4 mag のクラスタに制限した。
• 平均場密度、色差、ERT判別スコアのカットを用いて候補を抽出し、その後、分光的および光度的クェーサーカタログとクロスマッチングを行った。
• 2,572件の高スコアクラスタを視覚的検査し、妥当なレンズ候補を同定した。その結果、15件の新たな四重像レンズ系が同定された。

実験結果

リサーチクエスチョン

• RQ1 Gaia DR2 のアストロメトリックおよび光度的データのみを用いた教師あり機械学習アプローチが、強力な重力レンズ系を信頼性を持って検出できるか？
• RQ2 四つの成分すべてがGaia DR2に検出された場合、既知の四重像レンズ系の回収率はどの程度か？
• RQ3 既知の四重像レンズ系のうち、1つの像がGaia DR2に欠落している場合、この手法の性能はいかがなるか？
• RQ4 提案手法下で、星団が重力レンズ系として誤分類される割合はどの程度か？
• RQ5 深紫外画像データを必要とせずに、新しい高確率のレンズ候補を同定できるか？

主な発見

• 四つの成分すべてがGaia DR2に検出された場合、13件の既知の四重像レンズ系のうち12件を回収した。星団がレンズ系として誤分類される割合は1%未満であった。
• 1つの像が欠落していた場合、13件の既知システムのうち10件を回収した。誤分類率は、欠落した像の種類によって5.83%から20%の範囲で変動した。
• 四つの像がすべて存在するシステムに対して、ERTモデルは高い識別精度を示した。これは、高精度な検出状況下でのモデルの頑健性を確認するものである。
• 本研究では15件の新たな四重像レンズ候補を同定した。そのうち1件は最近分光的確認がなされた。これは、本手法の発見可能性を示している。
• 予測に比べて同定された候補数が少ないのは、Gaia DR2 でのソースのフィルタリングによるものであり、3つ未満の像が検出されたシステムが除外されたためである。これは将来的なデータリリースで改善されるものと予想される。
• 本手法は、Pan-STARRS や DES、SDSS などの他の複数エポックおよび複数波長カタログと組み合わせることで、他のカタログに対しても適用可能である。