[论文解读] Bayesian group finder based on marked point processes. Method and application to the 2MRS data set

Elmo Tempel, Maarja Kruuse+4 more|arXiv (Cornell University)|Jun 12, 2018

Data Management and Algorithms被引用 1

一句话总结

本文提出一种基于带标记点过程与相互作用的贝叶斯群体发现方法，将星系群建模为受概率密度支配的随机相互作用对象。该方法使用模拟退火算法最大化该密度，从而实现具有内置不确定性估计的群体检测；应用于2MRS巡天数据时，其结果与FoF方法相当，同时提供了概率验证工具。

ABSTRACT

Galaxy groups and clusters are formidable cosmological probes. They permit the studying of the environmental effects on galaxy formation. A reliable detection of galaxy groups is an open problem and is important ongoing and future cosmological surveys. We propose a probabilistic galaxy group detection algorithm based on marked point processes with interactions. The pattern of galaxy groups in a catalogue is seen as a random set of interacting objects. The positions and the interactions of these objects are governed by a probability density. The estimator of the unknown cluster pattern is given by the configuration of objects maximising the proposed probability density. Adopting the Bayesian framework, the proposed probability density is maximised using a simulated annealing algorithm. The method provides for free additional information such as the probabilities that a point or two points in the observation domain belong to the cluster pattern, respectively. These supplementary tools allow the construction of tests and techniques to validate and to refine the detection result. To test the feasibility of the proposed methodology, we applied it to the well-studied 2MRS data set. Compared to previously published Friends-of-Friends (FoF) group finders, the proposed Bayesian group finder gives overall similar results. The proposed Bayesian group finder is tested on a galaxy redshift survey, but more detailed analyses are needed to understand the actual capabilities of the algorithm regarding upcoming cosmological surveys. The presented mathematical framework permits adapting it easily other data sets (in astronomy and in other fields of sciences). In cosmology, one promising application is the detection of galaxy groups in photometric galaxy redshift surveys, while taking into account the full photometric redshift posteriors. (abridged)

研究动机与目标

• 为宇宙学巡天中可靠的星系群检测这一开放问题提供解决方案。
• 开发一种概率框架，以考虑星系之间的相互作用及其空间分布。
• 为群成员关系提供不确定性量化，支持检测结果的验证与优化。
• 在真实天文数据（特别是2MRS红移巡天）上测试该方法的可行性。
• 建立一种灵活的数学框架，适用于未来光学红移巡天及其他科学领域。

提出的方法

• 星系群的模式被建模为带标记点过程，其中每个点代表一个具有空间和运动学标记的星系。
• 星系之间的相互作用通过依赖于空间接近度和速度弥散的条件概率密度函数进行编码。
• 在贝叶斯框架下推导出群组构型的后验分布，其中估计量定义为使该密度最大的构型。
• 使用模拟退火算法对概率密度进行数值优化，以寻找最可能的群组构型。
• 该方法自然地提供单个点属于群组的边际概率，支持统计验证。
• 该框架设计为可扩展，适用于其他数据类型，包括包含完整后验不确定性传播的弱引力透镜红移巡天。

实验结果

研究问题

• RQ1 如何利用概率空间点过程模型实现星系群的检测并量化不确定性？
• RQ2 带有相互作用的带标记点过程能否在星系群检测中优于或至少匹配现有的群组发现方法（如Friends-of-Friends, FoF）？
• RQ3 引入相互作用项与贝叶斯推断在多大程度上提升了群组检测的可靠性与可解释性？
• RQ4 该方法在多大程度上可适应包含完整不确定性传播的弱引力透镜红移数据？
• RQ5 该方法为评估群组检测结果提供了哪些额外的验证工具？

主要发现

• 该贝叶斯群组发现方法在2MRS数据集中成功检测到星系群，结果与Friends-of-Friends (FoF)算法相当。
• 该方法为每个星系提供了概率性成员归属估计，支持对检测到的群组进行统计验证与优化。
• 该框架通过贝叶斯公式自然地纳入了数据中的不确定性，支持未来在弱引力透镜红移巡天中的应用。
• 模拟退火算法有效识别了在所提模型下最可能的星系群组构型。
• 该方法的数学结构使其可轻松适配其他数据集及其他科学领域，而不仅限于天文学。
• 尽管性能与FoF相当，但仍需更深入的分析以全面评估其在即将开展的大规模宇宙学巡天中的潜力。