基于神经网络的中国空间站光学巡天光谱与测光红移估计
宇宙学与河外天体物理
2021-03-05 v1
摘要
光谱与测光红移（spec-z 与 photo-z）的估计对未来宇宙学巡天至关重要，它可直接影响若干强有力的宇宙测量，例如弱引力透镜与星系成团性。在本工作中，我们利用神经网络探索了下一代空间巡天——中国空间站光学巡天（CSS-OS）中可获得的 spec-z 与 photo-z 精度。我们分别采用一维卷积神经网络（1-d CNN）与多层感知机（MLP，人工神经网络最简单的形式之一）来推导 spec-z 与 photo-z。用于训练和测试网络的模拟光谱与测光数据基于 COSMOS 星表生成。网络通过使用高斯随机实现创建含噪数据进行训练，以减轻统计效应，从而使高信噪比（SNR）与低信噪比数据均获得相近的红移精度。预测红移的概率密度函数（PDF）亦通过测试数据的高斯随机实现导出，进而可获得最佳拟合红移与 1-sigma 误差。我们发现，我们的网络可提供优异的红移估计，spec-z 与 photo-z 的精度分别约为 0.001 与 0.01。与现有 photo-z 程序相比，我们的 MLP 精度相当，但在训练过程中更高效。与普通模板拟合方法相比，灾难性红移或离群值的比例可被显著抑制。这表明神经网络方法在未来宇宙学巡天的 spec-z 与 photo-z 估计中是可行且强有力的。
引用
@article{arxiv.2101.02532,
title = {Spectroscopic and Photometric Redshift Estimation by Neural Networks For the China Space Station Optical Survey (CSS-OS)},
author = {Xingchen Zhou and Yan Gong and Xian-Min Meng and Xin Zhang and Ye Cao and Xuelei Chen and Valeria Amaro and Zuhui Fan and Liping Fu},
journal= {arXiv preprint arXiv:2101.02532},
year = {2021}
}
备注
14 pages, 13 figures, 2 tables. Accepted for publication in ApJ