ComPACT：星系团目录的质量-红移性质

机器学习方法越来越多地应用于天文巡天，为探测和研究星系团提供了强大的工具。我们研究了ComPACT星系团目录的质量-红移性质和完备性，该目录是利用应用于公开可用的ACT+Planck组合地图的卷积神经网络构建的。ComPACT目录包含2,962个SZ选星系团候选体。我们通过利用文献信息和基于DESI Legacy Imaging Surveys数据的测光技术估算红移来确认星系团。星系团质量通过SZ标度关系从ACT+Planck和Planck Compton-y地图中推导得出。完备性通过向真实微波地图中注入模拟星系团来评估。我们确认了ComPACT候选体中约60%为星系团。红移范围覆盖$0.007 < z < 1.7$，其中包括约116个新的测量值。我们获得了样本中56%的质量，覆盖范围$(0.25 - 13.1) \times 10^{14} ~M_\odot$，其中包括158个新的质量测定。我们识别出五个先前未报道的、位于$z > 0.7$的大质量星系团（$M_{500c} > 6 \times 10^{14}~M_\odot$），使此类系统的已知数量增加了约10%。ComPACT目录扩展了SZ选的类Planck星系团群体，特别是在高红移和大质量端，展示了深度学习方法在微波数据中探测星系团的有效性。