[论文解读] MILCANN : A neural network assessed tSZ map for galaxy cluster detection

G. Hurier, N. Aghanim+1 more|arXiv (Cornell University)|Jan 31, 2017

Galaxies: Formation, Evolution, Phenomena参考文献 59被引用 4

一句话总结

本文提出MILCANN，一种通过应用基于人工神经网络（ANN）的质量评估方法处理普朗克多波段数据构建的新型tSZ图，显著降低了噪声和前景残留。该结果图使3,969个星系团候选体的检测纯度达到90%，灵敏度可达到$M_{500} = 10^{14}$ M⊙，并识别出先前星表中未发现的高红移、低丰度星系团。

ABSTRACT

We present the first combination of thermal Sunyaev-Zel'dovich (tSZ) map with a multi-frequency quality assessment of the sky pixels based on Artificial Neural Networks (ANN) aiming at detecting tSZ sources from sub-millimeter observations of the sky by Planck. We construct an adapted full-sky ANN assessment on the fullsky and we present the construction of the resulting filtered and cleaned tSZ map, MILCANN. We show that this combination allows to significantly reduce the noise fluctuations and foreground residuals compared to standard tSZ maps. From the MILCANN map, we constructed the HAD tSZ source catalog that consists of 3969 sources with a purity of 90\%. Finally, We compare this catalog with ancillary catalogs and show that the galaxy-cluster candidates in the HAD catalog are essentially low-mass (down to $M_{500} = 10^{14}$ M$_\odot$) high-redshift (up to $z \leq 1$) galaxy cluster candidates.

研究动机与目标

• 通过降低tSZ图中的噪声和前景污染，提升星系团检测性能。
• 利用多波段数据和人工神经网络，开发tSZ信号的像素级质量评估方法。
• 从滤波并清洁后的tSZ图中构建高纯度、大范围的tSZ源星表。
• 通过与辅助星表及CMB强引力透镜图对比，验证方法的有效性。
• 识别出标准tSZ检测方法遗漏的低质量、高红移星系团候选体。

提出的方法

• 该方法将人工神经网络（ANN）应用于基于多波段普朗克观测数据评估每个天区像素的质量。
• 通过模拟和真实数据训练ANN权重，以区分tSZ信号与天体物理前景（如射电、红外、CO）信号。
• 将这些权重应用于标准tSZ图重建结果（如MILCA或NILC），构建出加权后的图，命名为MILCANN。
• 利用匹配滤波技术在MILCANN图中检测源，以增强星系团检测的信噪比。
• 通过与光学、X射线及CMB强引力透镜数据的交叉匹配，以及对宿主星系光谱能量分布（SED）的分析，对最终星表进行验证。
• 在WISE波段进行颜色-颜色分析，确认检测到的星系团与低红移椭圆星系、螺旋星系及Luminous Red Galaxy（LRG）群体一致，且对明亮AGN或红外源存在选择性偏差。

实验结果

研究问题

• RQ1 与标准分量分离方法相比，基于ANN的像素级质量评估是否能显著降低tSZ图中的噪声和前景残留？
• RQ2 MILCANN图是否能以高纯度检测到低质量、高红移星系团？
• RQ3 与普朗克PSZ2星表相比，基于MILCANN的星表在完整性和纯度方面表现如何？
• RQ4 MILCANN图在多大程度上保持了tSZ星系团的物理特性，如宿主星系SED和强引力透镜收敛性？
• RQ5 tSZ巡天中源选择偏差的影响程度如何，特别是针对AGN和红外污染？

主要发现

• 与标准tSZ图重建方法相比，MILCANN图更有效地降低了噪声和前景残留，提升了检测的保真度。
• 由MILCANN导出的HAD星表包含3,969个星系团候选体，估计纯度达90%，其规模超过普朗克PSZ2星表。
• 星表可检测到$M_{500} = 10^{14}$ M⊙的星系团，扩展了对低质量、高红移系统的探测灵敏度。
• 检测到的源在普朗克CMB强引力透镜图中表现出显著的收敛过剩，与$2 \times 10^{14}$ M⊙量级的星系团质量一致。
• HAD星表中宿主星系的SED与低红移椭圆星系、螺旋星系及LRG群体典型特征一致，证实其与已知tSZ星系团特性的符合性。
• 该方法揭示了对具有明亮AGN或强红外发射的星系团存在选择性偏差，因微波波段污染导致此类源在样本中代表性不足。