[论文解读] The AGEL Survey: Spectroscopic Confirmation of Strong Gravitational Lenses in the DES and DECaLS Fields Selected Using Convolutional Neural Networks

Kim‐Vy Tran, Anishya Harshan+14 more|arXiv (Cornell University)|May 11, 2022

Galaxies: Formation, Evolution, Phenomena参考文献 65被引用 32

一句话总结

本文通过卷积神经网络（CNN）在深度DES和DECaLS成像中识别候选体，并结合光谱确认，成功证实了AGEL巡天中68个强引力透镜。该方法的确认成功率达到88%（68/77），透镜系统的红移范围更广（透镜星系：zdeflectors: 0.21–0.89，背景源星系：zsources: 0.88–3.55），为质量演化与星系形成研究提供了有力支持。

ABSTRACT

We present spectroscopic confirmation of candidate strong gravitational lenses using the Keck Observatory and Very Large Telescope as part of our ASTRO 3D Galaxy Evolution with Lenses (AGEL) survey. We confirm that 1) search methods using Convolutional Neural Networks (CNN) with visual inspection successfully identify strong gravitational lenses and 2) the lenses are at higher redshifts relative to existing surveys due to the combination of deeper and higher resolution imaging from DECam and spectroscopy spanning optical to near-infrared wavelengths. We measure 104 redshifts in 77 systems selected from a catalog in the DES and DECaLS imaging fields (r<22 mag). Combining our results with published redshifts, we present redshifts for 68 lenses and establish that CNN-based searches are highly effective for use in future imaging surveys with a success rate of 88% (defined as 68/77). We report 53 strong lenses with spectroscopic redshifts for both the deflector and source (z_src>z_defl), and 15 lenses with a spectroscopic redshift for either the deflector (z_defl>0.21) or source (z_src>1.34). For the 68 lenses, the deflectors and sources have average redshifts and standard deviations of 0.58+/-0.14 and 1.92+/-0.59 respectively, and corresponding redshift ranges of (0.21<z_defl<0.89) and (0.88<z_src<3.55). The AGEL systems include 41 deflectors at zdefl>0.5 that are ideal for follow-up studies to track how mass density profiles evolve with redshift. Our goal with AGEL is to spectroscopically confirm ~100 strong gravitational lenses that can be observed from both hemispheres throughout the year. The AGEL survey is a resource for refining automated all-sky searches and addressing a range of questions in astrophysics and cosmology.

研究动机与目标

• 通过应用于深度DES和DECaLS成像场的卷积神经网络（CNN）识别强引力透镜候选体，并进行光谱确认。
• 通过利用更深、更高空间分辨率的成像以及光学至近红外波段的光谱学，将已确认强透镜的红移范围拓展至超越以往巡天的水平。
• 建立一个约100个明亮强透镜（r ≤ 22 mag）的高纯度、光谱确认样本，可全年在南北半球观测。
• 为优化全自动全天区透镜搜寻方法和改进基于CNN的检测流程，提供基准数据集。
• 通过空间分辨的多波段后续观测，实现对质量密度分布、暗物质晕以及高红移星系演化的深入研究。

提出的方法

• 利用预识别的CNN检测结果，在公开的DES和DECaLS成像（r ≤ 22 mag）中识别透镜候选体，充分发挥高角分辨率与深度优势。
• 使用凯克天文台和甚大望远镜（VLT）进行光谱后续观测，测量透镜星系和背景源星系的红移。
• 将新获得的光谱红移与文献值结合，为68个已确认系统建立完整的红移测量（53个系统两部分均有红移，15个仅有一部分有红移）。
• 将现有巡天（如BPZ）的光重红移结果与光谱测量结果进行对比，发现平均绝对差值为 |Δz| = 0.03 ± 0.02。
• 对部分系统获取了哈勃空间望远镜的高分辨率成像，以解析亚千帕斯卡结构并探测暗物质亚结构。
• 采用CNN筛选与人工目视检查、光谱确认相结合的混合方法，确保透镜识别的高纯度与高可靠性。

实验结果

研究问题

• RQ1 卷积神经网络（CNN）能否在深度光学成像中有效识别强引力透镜候选体，且具备高成功率与高纯度？
• RQ2 DES和DECaLS场中光谱确认的强透镜的红移分布如何？与以往巡天相比有何差异？
• RQ3 现有巡天（如BPZ）的光重红移结果与光谱红移结果在透镜星系和背景源星系上的一致性如何？
• RQ4 AGEL巡天中透镜的红移与形态学特征与SLACS、BELLs和CASSOWARY等早期巡天相比，在深度与分辨率方面有何差异？
• RQ5 AGEL样本在探测随宇宙时空中质量密度分布与暗物质晕演化方面具有何种潜力？

主要发现

• AGEL巡天实现了88%的光谱确认成功率（68/77个候选体），证明了在深度成像中基于CNN的透镜检测方法具有高度可靠性。
• 已确认的透镜系统覆盖广泛的红移范围：透镜星系红移为 zdeflectors = 0.21 至 0.89（平均值：0.58 ± 0.14），背景源星系红移为 zsources = 0.88 至 3.55（平均值：1.92 ± 0.59）。
• 在68个已确认的透镜中，有41个的透镜星系红移 ≥ 0.5，使其成为研究质量密度分布随红移演化特性的理想样本。
• 现有巡天（如BPZ）的光重红移结果与光谱测量结果高度一致，平均绝对差值为 |Δz| = 0.03 ± 0.02。
• 结合更深层的成像（DECam）与光学至近红外波段的光谱学，使本研究能够探测到比以往巡天更远红移的系统，包括 z > 3 的源星系。
• AGEL样本包含53个两部分均获得光谱红移的系统，以及15个仅有一部分获得红移的系统，显著扩展了现有高红移强引力透镜样本的规模。