ProFit：星系图像的贝叶斯轮廓拟合
摘要
我们推出 ProFit，一款用于贝叶斯二维测光星系轮廓建模的新代码。ProFit 包含一个底层 C++ 库（libprofit），可通过命令行接口和文档化 API 访问，以及高层 R（ProFit）和 Python（PyProFit）接口（分别位于 github.com/ICRAR/libprofit、github.com/ICRAR/ProFit 和 github.com/ICRAR/pyprofit）。R ProFit 也可从 CRAN 预构建获取，但该版本会略落后于最新的 GitHub 版本。libprofit 为若干有用轮廓提供快速准确的二维积分，包括 Sersic、Core-Sersic、broken-exponential、Ferrer、Moffat、empirical King、点源和天空，并带有添加新轮廓的简单机制。我们展示了 libprofit 与 GALFIT 的详细比较。对于最常用 Sersic 指数 n（0.5 < n < 8）值，libprofit 在积分普遍存在的 Serrsic 轮廓时比 GALFIT 更快且更精确。高层拟合代码 ProFit 在具有 SDSS 和更深 KiDS 成像的星系样本上进行了测试。我们发现拟合参数一致性良好，且使用不同来源图像（SDSS 与 KiDS）拟合得到的最佳拟合参数散差，大于使用不同代码（ProFit 与 GALFIT）的散差。利用大量蒙特卡洛模拟图像评估了 ProFit 在 SDSS、KiDS 及未来 LSST 成像上自动核-盘分解的前景。我们发现拟合质量的最大提升来自从 SDSS 质量数据到 KiDS 质量数据的跨越，而从 KiDS 到 LSST 的提升则较不显著。
引用
@article{arxiv.1611.08586,
title = {ProFit: Bayesian Profile Fitting of Galaxy Images},
author = {A. S. G. Robotham and D. S. Taranu and R. Tobar and A. Moffett and S. P. Driver},
journal= {arXiv preprint arXiv:1611.08586},
year = {2017}
}
备注
32 pages, 34 Figures, accepted for publication in MNRAS