PhotoWeb红移：利用大型光谱巡天提升测光红移精度
星系天体物理
2020-04-29 v1
摘要
在大型成像巡天里改进距离测量是更好地揭示星系大尺度分布并将星系性质与其环境相联系的一大挑战。测光红移可与从重叠光谱巡天提取的宇宙网（CW）高效结合以提升其精度。我们应用一种类似方法，使用基于卷积神经网络（CNN）的新一代测光红移。该CNN在SDSS图像上以主星系样本（SDSS-MGS，）与GAMA光谱红移（至约）训练。CW的映射由来自MGS与BOSS巡天的680,000个光谱红移获得。红移概率密度函数（PDF）经良好校准（无偏且窄， Mpc），沿视线截获若干CW结构。将这些PDF与密度场分布结合给出新测光红移，对的星系其精度提升两倍（即）。其中一半星系的距离精度优于10 cMpc。原始PDF越窄，精度提升越大。对宽于0.03的原始PDF未观测到增益。最终的PDF也呈现良好校准。该方法对被动星系的表现略优于恒星形成星系，对位于大质量星系群中的星系亦如此，因为这些族群更好地示踪底层大尺度结构。将光谱采样减少8倍仍使测光红移精度提升25%。将方法扩展至比MGS极限更暗的星系，仍对70%的星系改进了红移估计，在低（CW分辨率最高处）精度增益达20%。
引用
@article{arxiv.2003.10766,
title = {PhotoWeb redshift: boosting photometric redshift accuracy with large spectroscopic surveys},
author = {Marko Shuntov and J. Pasquet and S. Arnouts and O. Ilbert and M. Treyer and E. Bertin and S. de la Torre and Y. Dubois and D. Fouchez and K. Kraljic and C. Laigle and C. Pichon and D. Vibert},
journal= {arXiv preprint arXiv:2003.10766},
year = {2020}
}