利用聚类交叉关联优化测光红移分布的形状
宇宙学与河外天体物理
2023-02-08 v2
摘要
我们提出一种将测光星系分配到选定红移 bin 集合的优化方法。这是通过结合模拟退火（一种受固态物理启发的优化算法）与一种无监督机器学习方法——观测星系颜色的自组织映射（SOM）来实现的。从基于测光红移点估计划分为红移 bin 的星系样本出发，模拟退火算法反复将颜色相近的 SOM 选定星系子样本重新分配到其他红移 bin。我们优化测光星系与具有良好标定红移的参考星系样本之间的聚类交叉关联信号。根据对聚类信号的影响，重新分配要么被接受要么被拒绝。通过动态提升 SOM 的分辨率，算法最终收敛到一个解，使每个层析红移 bin 中错配星系的数量最小化，从而改善其对应红移分布的紧致性。该方法在合成 LSST cosmoDC2 星表上进行了演示。我们发现所有层析 bin 中红移分布的灾难性异常值比例显著下降，尤其是在最高红移 bin 中，异常值比例从 57% 降至 16%。
引用
@article{arxiv.2205.13622,
title = {Optimising the shape of photometric redshift distributions with clustering cross-correlations},
author = {Benjamin Stölzner and Benjamin Joachimi and Andreas Korn and the LSST Dark Energy Science Collaboration},
journal= {arXiv preprint arXiv:2205.13622},
year = {2023}
}
备注
13 pages, 9 figures, version accepted by MNRAS