星系与质量装配:KiDS/GAMA 中星系-星系透镜搜寻的比较

强引力透镜是一种罕见且具启发性的天体。其证认长期依赖偶然发现,但随着新成像巡天的出现,已采用不同策略——如沿视线对多个星系的混合光谱、机器学习算法和公民科学——来识别这些天体。我们报道了在 GAMA 巡天赤道场公共巡天区域内,由独立构建的透镜星表对星系-星系透镜候选体的光谱、机器学习和公民科学证认之间的比较。在其中,我们得以将高完备性的光谱证认与用于机器学习和公民科学透镜搜寻的千度巡天(KiDS)高保真成像进行比较。我们发现三种方法——光谱、机器学习和公民科学——在 180 平方度巡天区域内分别证认出 47、47 和 13 个候选体。这些证认几乎不重叠,仅有两个被公民科学与机器学习同时识别。我们将此差异追溯至三种方法选择函数固有的差异,或在其父样本中(即公民科学聚焦于低红移),或方法本身固有(即机器学习受训练样本限制且偏好分离良好的特征,而光谱要求被透镜化特征有足够的流量落入光纤内)。这些差异在估计的爱因斯坦半径、透镜恒星质量和透镜红移上表现为不同的样本。合并样本暗示透镜候选体天密度为 $\sim0.59$ deg$^{-2}$,并可为构建跨越更宽质量-红移空间的训练集提供参考。