AMICO：测光巡天中星系团的优化探测

我们提出AMICO（Adaptive Matched Identifier of Clustered Objects，聚类天体自适应匹配识别器），一种用于测光巡天中星系团探测的新算法。AMICO基于最优滤波（Optimal Filtering）技术，可最大化星团的信噪比。本文中，我们聚焦于从滤波生成的图中提取团候选体的新迭代方法。特别地，我们给出了邻近任何团候选体星系的成团概率定义，这使我们能从其图中移除其印记，从而允许探测更小结构。如我们的测试所证明，该方法在径向外距离等于$0.5 \times R_{200}$或红移距离等于$2 \times \sigma_z$（$\sigma_z$为测光红移的典型不确定度）的天体情况下，能在超过$50\%$的案例中实现邻近与排列结构的去混合（deblending）。在源自N体模拟与星系演化半解析建模的模拟数据上运行AMICO，我们在红移区间$0.3 < z < 1$获得一致的质量-振幅关系，其对数斜率$\sim 0.55$，对数散射$\sim 0.14$。假探测比例随S/N急剧下降，且在S/N > 5时可忽略。