Type Ia supernova Hubble diagrams with host galaxy photometric redshifts
本文研究了用光度测定法选取的SN主星系红移样本的SN Ia哈勃图的情况。主机红移的不确定性和核心坍缩SNe的污染的解决。作为测试，我们使用超新星遗产巡天（SNLS）的3年光度SN Ia样本，由437个红移在0.1和1.05之间的物体组成。我们将这个样本与JLA光谱样本的非SNLS对象相结合，该样本由501个红移大多低于0.4的对象组成。我们研究了两种选择的光度样品的红移的起源，要么提供完全从主机光度红移目录或混合的起源，其中75%的样品可以分配光谱红移。使用光变曲线模拟受相同的光度选择的数据，我们研究的影响，光度红移的不确定性和污染的平面$ΛCDM$适合哈勃图从这样的组合样本。我们发现测光红移和污染导致有偏的宇宙学参数。两种红移选项的偏差大小相似。如果在计算SN星等偏差修正时考虑到测光红移的不确定性和污染，由于选择效应，这种偏差可以在很大程度上解释。为了进一步减少宇宙学偏差，我们探索了两种方法来传播红移的不确定性到宇宙学似然计算，无论是通过改装光度红移与宇宙学或通过采样的红移分辨率函数。无论选择哪种红移，红移修正都无法纠正宇宙学偏差，而采样在两种情况下都会略微减少它。对于实际数据，我们发现兼容的结果与JLA的混合光度和光谱红移，而完整的光度选项是有偏见的，但与JLA一致时，所有的不确定性。
2022-10-24 astro-ph.CO
Quantifying Photometric Redshift Errors in the Absence of Spectroscopic Redshifts
多波长红移巡天使许多科学研究成为可能，这些科学研究都需要使用测光红移。但是，随着这些调查变得更加雄心勃勃，当我们寻求执行越来越精确的测量，它变得至关重要，以适当考虑光度红移的不确定性。理想情况下，不确定度可以直接通过与光谱红移的比较来测量，但这可能会产生误导性的结果，因为光谱样本通常很小，不能代表母测光样本。我们提出了一个简单而强大的经验方法来限制光度红移的不确定性，在光谱红移的情况下。天空中两个相邻的星系有很大的概率在物理上相互关联，因此它们的红移几乎相同。因此，在密偶中光度红移的差异是测量红移不确定性的一个尺度。一些观测到的密偶将产生于沿着视线的偶然投影，但对这种效应进行统计校正是很简单的。我们使用模拟数据和实际观测演示了该技术，并讨论了它的有用性如何受到系统光度红移误差的限制。最后，我们使用这种技术来显示光度红移的精度可以依赖于星系类型。
2009-10-15 astro-ph.CO
Hierarchical Bayesian inference of galaxy redshift distributions from photometric surveys
准确地描述星系的红移分布对于分析深空光度测量和检验宇宙学模型是必不可少的。我们提出了一种技术，同时推断红移分布和个人的红移光度星系目录。我们的模型构建了一个分段常数表示（有效地直方图）的星系类型和红移的分布，其参数是有效地推断从嘈杂的光度通量测量。这种方法可以被看作是模板拟合光度红移方法的推广，并依赖于光谱模板库将单个星系的光度通量与它们的红移联系起来。我们说明了这种技术的模拟星系调查数据，并证明它提供正确的后验分布的基本类型和红移分布，以及对个别类型和红移的星系。我们表明，即使与无信息的先验，大光度误差和参数退化，红移和类型分布可以恢复鲁棒性由于该模型的层次性，这是不可能与常见的光度红移估计技术。因此，红移的不确定性可以第一次在宇宙学分析中完全传播，满足当前和未来几代调查的基本要求。
2016-05-31 astro-ph.CO
Machine Learning Classification to Identify Catastrophic Outlier Photometric Redshift Estimates
我们目前的结果，使用一个基本的二元分类神经网络模型，以确定可能的灾难性离群光度红移估计的个别星系，仅根据星系的测量光度带的幅度值。我们发现，这种分类的一个简单的实现可以识别一个显着的部分星系与灾难性的离群光度红移估计，而错误地分类只有一个小得多的非离群值。这些方法有可能减少灾难性离群光度红移估计引入科学分析的错误。
2022-02-23 astro-ph.CO
Estimation of Photometric Redshifts. II. Identification of Out-of-Distribution Data with Neural Networks
在这项研究中，我们提出了一个三阶段的训练方法的神经网络光度红移估计的星系和检测的分布（OOD）对象。我们的方法包括监督学习和无监督学习，这使得在训练网络时可以使用未标记（UL）数据进行OOD检测。使用UL数据，这是与真实世界数据最相似的数据集，确保了训练模型在实践中的可靠使用。我们定量评估模型性能的光度红移估计和OOD检测使用分布（ID）星系和标记OOD（LOOD）的样本，如恒星和类星体。我们的模型成功地产生了光度红移匹配的光谱红移的ID样本和识别以及LOOD对象超过98%的准确性。虽然定量评估与UL样品是不切实际的，由于缺乏标签和光谱红移，我们也发现，我们的模型成功地估计合理的光度红移ID类UL样品和过滤器OOD类UL对象。模型实现的代码可以在https://github.com/GooLee0123/MBRNN_OOD上获得。
2021-12-14 astro-ph.CO astro-ph.GA astro-ph.IM
Tests of Catastrophic Outlier Prediction in Empirical Photometric Redshift Estimation with Redshift Probability Distributions
我们目前的结果，使用单个星系的红移概率信息来自光度红移（photo-z）算法，SPIDERz，以确定潜在的灾难性离群光度红移测定。通过使用两个测试数据集组成的COSMOS多波段测光跨越一个广泛的红移范围（0<z<4）与可靠的光谱或其他红移测定相匹配，我们探索了一种新的方法的有效性，以标记潜在的灾难性离群值的分析，依赖于准确的光度红移。SPIDERz是一种用于photo-z分析的自定义支持向量机分类算法，除了离散的最可能的photo-z值外，还可以自然地输出每个星系的红移概率信息分布。通过应用一种分析技术与标记标准，以确定存在的概率分布特征的灾难性离群photo-z估计，如多个红移概率峰分离的大量红移距离，我们可以标记潜在的灾难性离群photo-z测定。我们发现，我们提出的方法可以正确地标记大部分（>50%）的灾难性异常星系，而只有标记一小部分（<5%）的总非异常星系，这取决于参数的选择。然而，被标记的非异常星系的比例随着红移和星等的变化而显着变化。我们研究了这种策略的性能，在光z测定使用一系列的标记参数值。这些结果可能是有用的利用光度红移在未来的大规模调查中，灾难性的异常值是特别有害的科学目标。
2019-11-06 astro-ph.CO astro-ph.GA astro-ph.IM
Data-driven, interpretable photometric redshifts trained on heterogeneous and unrepresentative data
基于潜光谱能量分布（SEDs）的数据驱动模型和光度通量随红移变化的物理模型，提出了一种在深星系和类星体巡天中推断光度红移的新方法。这种概念新颖的方法结合了机器学习和模板拟合方法的优点，直接从训练数据中构建模板SED。这是计算上易于处理的高斯过程中的流量-红移空间，编码的物理红移和投影的星系SED光度带通。该方法不需要获取有代表性的训练数据或构建详细的星系SED模型;它只需要已知或具有参数化未知数的光度计带通和校准。训练数据可以由光谱和深度多波段光度数据的组合组成，其不需要与感兴趣的目标勘测在空间上完全重叠，甚至不需要涉及相同的光度波段。我们展示的方法上的$i$的星等选择，光谱确认的星系在宇宙领域。该模型在最深的波段（来自SUBARU和HST）上进行训练，并且仅使用较浅的SDSS光学波段导出光度红移。我们证明，我们得到准确的红移点估计和概率分布，尽管训练和目标集有非常不同的红移分布，噪声特性，甚至光度带。例如，我们的模型也可以用来预测丢失的光度通量，或者模拟具有真实通量和红移的星系群。这种方法开启了一个新时代，在这个新时代中，大型光度测量的光度红移是使用所有可用测量（光谱和光度测量）训练的数据的灵活而物理的模型导出的。
2016-12-02 astro-ph.CO
Using photometric redshift data to improve the detection of galactic filaments with the Bisous model
除其他外，暗条探测器还受到光谱红移数据丰富程度的限制。由于光度红移数据比光谱数据多，我们的目标是使用光度数据来改善和扩大我们可以探测宇宙大尺度结构的领域。我们提出了一个概念的证明，表明Bisous灯丝发现者可以改善检测到的测光红移数据的连续网络。我们从MultiDark-Galerkin目录中创建了模拟数据。通过模拟给出了具有光谱红移的Galerkin的精确位置。具有光度红移的Galerkin在一个坐标上具有不确定性。对于不同的样本，产生不同的高斯分布的误差。有三种不同类型的样本：光谱，光度测量和混合样本的星系光度和光谱红移。在仅光度测量的样本中，光度测量红移的不确定性越大，检测到的细丝就越少，并且细丝沿着视线强烈地对齐。使用混合样品提高了检测到的细丝的数量，并降低了这些细丝的对准偏差。将结果与完整的光谱样品进行比较。仅光度测定样本的召回率在很大程度上取决于不确定性的大小，下降了近20%;对于混合样本，召回率保持在40%至80%之间。在这项工作中测试的每个样本中，错误发现率保持在5%以下。混合样本比相应的光度测量或光谱只有样品的每个不确定性的大小和混合样本中的光谱星系的数量表现出更好的结果。具有光度和光谱红移的星系混合样本有助于我们进一步改进和扩展大尺度结构，而不仅仅是光谱样本。
2023-01-06 astro-ph.CO
A Critical Assessment of Photometric Redshift Methods: A CANDELS Investigation
我们目前的结果，从宇宙大会近红外深河外遗留调查（CANDELS）光度红移方法的调查。在这项调查中，来自11个参与者的结果，每个使用不同的组合的光度红移代码，模板光谱能量分布（SED）和先验，被用来检查的性质的光度红移应用到深领域的宽带多波长覆盖。所用的光度计包括通过中红外滤光片的U波段，并使用TFIT方法导出。比较结果，我们发现，没有特定的代码或模板SED的结果显着更好的光度红移相比，其他。然而，我们发现产生最低散射和离群分数的代码利用训练样本通过添加零点偏移，模板调整或添加额外的平滑误差来优化光度红移。因此，这些结果强调了培训程序的重要性。我们发现测光红移的准确度对测光的信噪比有很强的依赖性。另一方面，我们发现光度红移散射与红移和星系颜色的弱依赖性。我们发现，大多数光度红移代码引用红移误差（例如，68%置信区间），与光谱对照样品的预期值相比太小。我们发现，所有的代码显示在光度红移的统计显着的偏见。然而，偏差在所有情况下都小于散射，因此后者主导误差。最后，我们发现，从多个代码的组合结果显着减少光度红移散射和离群分数。我们讨论了不同的方法结合数据，以产生准确的光度红移和误差估计。
2013-08-24 astro-ph.CO
What Lies Beneath: Using p(z) to Reduce Systematic Photometric Redshift Errors
我们使用模拟来证明，光度红移的“错误”，可以大大减少使用光度红移概率分布p（z），而不是一个点的估计，如最可能的红移。原则上，这涉及到跟踪一个大的数字阵列，而不是每个星系的单个数字。我们介绍了一个非常简单的估计，只需要跟踪一个单一的数字为每个星系，同时保留了系统误差减少使用完整的p（z）的属性，只需要很小的修改，现有的光度红移代码。我们发现，使用这种红移估计（或使用完整的p（z））可以大大减少系统的暗能量参数估计从弱透镜，在没有成本的调查。
2009-07-09 astro-ph.CO
Convolution and deconvolution based estimates of galaxy scaling relations from photometric redshift surveys
除了极大似然方法外，还有两种常用的方法从测光红移数据集重建真实的红移分布：一种使用反卷积方法，另一种使用卷积。我们展示了这两种技术是如何相关的，以及如何将这种关系扩展到包括光度数据集中星系尺度关系的研究。然后，我们展示了光度红移算法必须输出的额外信息，以便它们也可以用于研究星系标度关系，而不仅仅是红移分布。我们还认为，基于卷积的方法可以允许更有效地选择校准光谱所需的对象。
2010-01-06 astro-ph.CO
Photometric Redshifts with Copula Entropy
Hitachi China Research Laboratory（日立中国研究实验室）
本文提出利用Copula Entropy（CE）测量测光数据与红移的相关性以筛选特征，在SDSS quasar数据上验证表明该方法提升了测光红移精度且模型具可解释性。
2023-10-25 astro-ph.CO astro-ph.IM cs.LG
Implementation of PhotoZ under Astro-WISE - A photometric redshift code for large datasets
我们描述了在Astro-WISE包的框架中实现PhotoZ代码，并将其作为PanSTARRS管道的光度分类服务器的一部分。这两个系统都可以自动测量PanSTARRS项目中观测到的数百万个天体的光度红移，或者预计将被KIDS，DES或EUCLID等未来的调查观测到。
2011-12-09 astro-ph.CO
Photometric redshifts and quasar probabilities from a single, data-driven generative model
我们描述了一种同时分类和估计类星体红移的技术。它可以在任意红移范围内将类星体与恒星分离，估计红移的完整后验分布函数，并自然地将通量不确定性，缺失数据和多波长测光结合起来。我们在通量红移空间中建立类星体模型，应用极端反褶积技术估计下伏密度。通过对这个密度在红移上的积分，可以得到不同红移范围内的类星体通量密度。这种方法允许有效的，一致的，快速的分类和光度红移估计。这是通过将选择简单的分析形式作为我们的密度模型的基础所获得的速度与通过使用具有许多参数的许多简单组件的非参数模型的灵活性相结合来实现的。我们表明，这种技术是最好的光度类星体分类技术-这是有限的固定，广泛的红移范围和高信噪比数据-和最好的光度红移技术时，适用于宽带光学数据的竞争。我们表明，包括紫外和近红外数据显着提高光度类星体-恒星分离，基本上解决了所有的红移退化类星体固有的ugriz过滤系统，即使当包括的数据具有低的信噪比。对于由SDSS光谱确认的类星体，GALEX UV和UKIDSS NIR数据分别有84%和97%的天体的光度红移在光谱红移的0.1和0.3之内;这相当于比仅使用ugriz的光度红移提高了约三倍。我们计算类星体概率和红移概率分布的代码是公开的。
2012-03-21 astro-ph.CO
Revised SWIRE photometric redshifts
我们已经修订了SWIRE测光红移星表，以考虑到SWIRE几个地区的新光学测光，并纳入2MASS和UKIDSS近红外数据。孔径匹配是结合近红外和光学数据的一个重要问题，我们已经探索了一些方法来做到这一点。增加的光度带的红移解决方案的结果在均方根误差的改善，特别是在离群率。我们还发现，将尘埃环发射到类星体模板提高类星体红移估计的性能。我们修订的红移目录包含超过100万个河外天体，其中26288个是类星体。
2012-10-12 astro-ph.CO
Calibrating photometric redshifts with intensity mapping observations
星系的成像巡天将具有高的数密度和角分辨率，但红移精度较差。中性氢（HI）的强度图将具有精确的红移分辨率，但无法分辨单个源。利用这种互补性，我们展示了如何聚类红移的方法，提出了光谱调查也可以结合强度映射观测校准星系的红移分布在成像调查，因此，减少光度红移测量的不确定性。我们展示了如何与MeerKAT，HIRAX和SKA仪器进行强度映射调查可以改善光度红移的不确定性，远低于DES和LSST的要求。详细讨论了该方法作为仪器参数、前景减法和其他潜在系统误差的函数的有效性。
2017-04-06 astro-ph.CO
Characterizing and Propagating Modeling Uncertainties in Photometrically-Derived Redshift Distributions
星系红移分布的不确定性对从多波段成像巡天中推断的宇宙学参数值具有重要的潜在影响。在这些调查中测量的光度红移的准确性不仅取决于通量数据的质量，而且还取决于一些建模假设，这些假设进入光度红移估计的训练集和SED拟合方法。在这项工作中，我们专注于后者，考虑两种类型的建模不确定性：在SED模板集的不确定性和贝叶斯光度红移估计方法中使用的幅度和类型先验的不确定性。我们发现，SED模板选择效果占主导地位的幅度先验误差。我们介绍了一种方法，用于参数化由此产生的对红移分布的忽视，并将这些不确定性传播到宇宙学参数的不确定性。
2011-05-31 astro-ph.CO
Calibrating photometric redshift distributions with cross-correlations
下一代的星系巡天计划将使具有光度红移的星系数量增加两个数量级，大大扩大红移范围和检测阈值，从目前的最新技术水平获得公平的子样本光谱，这一新的数据可能是繁琐和昂贵的。然而，对星系的真实红移分布进行适当的校准对于挖掘这些调查的潜力至关重要。我们研究了一个有前途的替代直接光谱后续行动：校准的红移分布的光度星系通过交叉相关重叠光谱调查，其成员跟踪相同的密度场。我们回顾了理论，开发了一个管道，将其应用于模拟数据从N体模拟，并检查此红移分布估计的属性。我们证明了该方法是有效的，但估计被两个因素削弱。1)光谱样品的关联函数必须在沿着视线的许多仓中测量，这使其具有噪声并且干扰光度红移分布的高质量重建。2)该方法不能将光度红移分布与光度样品偏差的演化分开。我们建立这些因素的影响，使用我们的模拟目录。虽然可能仍然需要光谱跟踪光度测量数据的公平子样本，但进一步的细化可能会明显减少校准未来测量所需的光谱数量。
2009-10-19 astro-ph.CO
Photometric redshifts and K-corrections for Sloan Digital Sky Survey Seven Data Release
我们提出了一个星系光度红移和k-校正斯隆数字巡天七数据发布（SDSS-DR 7），可在万维网上的目录。用人工神经网络方法，利用五个ugriz带，g带和r带的浓度指数和Petrosian半径，估算了光度红移。我们用不同的训练集探索了我们的红移估计，得出的结论是，提高红移精度的最佳选择包括主星系样本（MGS），发光红星系和覆盖红移范围0<z<0.3的活动星系核星系。对于MGS，测光红移估计同意与光谱值的均方根=0.0227。在0<zphot<0.6的范围内，测光红移的分布与模型预测吻合得很好。通过用参考系（z=0.1）（g-r）颜色校准MGS的k-correct-v4.2代码结果来导出k-校正。我们采用的线性依赖关系的红移和（g-r）的颜色，提供合适的星系的亮度和颜色的分布红移zphot=0.6可比的文献中的结果。因此，我们的k-校正估计程序是一个功能强大，计算时间低的算法，能够再现合适的结果，可用于测试星系的性质在中间红移使用大型SDSS数据库。
2010-12-16 astro-ph.CO
TPZ : Photometric redshift PDFs and ancillary information by using prediction trees and random forests
随着大型测光调查的增长，准确地估计测光红移，最好是作为概率密度函数（PDF），并充分理解在这个过程中隐含的系统不确定性变得越来越重要。在本文中，我们提出了一个新的，公开的，并行的机器学习算法，生成光度红移PDF使用预测树和随机森林技术，我们已命名为TPZ。这种新算法将测量误差纳入计算，同时还有效地处理数据中的缺失值。此外，我们对该算法的实现提供了关于正在分析的数据的补充信息，包括在不诉诸验证数据集的情况下对该技术的准确性的无偏估计，在光谱训练数据所占据的参数空间内识别较差的光度红移区域，量化用于构建PDF的变量的相对重要性，以及对异常值的鲁棒识别。这些额外的信息可以用来优化新的光谱观测，并提高红移估计的整体效率。我们已经测试了TPZ从SDSS的主要星系样本和从DEEP 2调查的星系样本，在每种情况下获得优异的结果。我们还通过参加PHAT 1项目测试了我们的实现，这是一个盲测光红移竞赛，发现TPZ的性能与其他经验测光红移算法相当。最后，我们讨论了控制TPZ操作的各种参数，这种方法的具体限制和光度红移PDF的应用。
2013-03-28 astro-ph.CO
Estimating the Photometric Redshifts of Galaxies and QSOs Using Regression Techniques in Machine Learning
测量星系、恒星和类星体等宇宙学源的距离在现代宇宙学中起着越来越重要的作用。获得光谱，然后计算红移作为距离指标，可以立即对这些物体进行分类。只要光谱观测对许多星系不可用，并且测量红移的过程对于大样本来说是耗时且不可行的，机器学习（ML）方法可以应用于从不同特征（包括光度颜色）确定星系的红移。本文利用斯隆数字巡天（SDSS）星表中的通量星等，开发了两种ML回归算法（决策树和随机森林），以颜色指数作为输入特征来估计红移。我们发现，随机森林算法产生的红移预测的最佳结果，它将进一步改善时，数据集被限制到一个子集与z $\le$ 2给出归一化的标准差$\overline{ΔZ}_{\text {norm}}=0.005$和标准差$σ_{Δz}=0.12$。这项工作显示了极大的潜力，使用ML方法来确定遥远的源的光度红移。
2022-01-12 astro-ph.CO astro-ph.GA astro-ph.IM
Photometry and Photometric Redshift catalogs for the Lockman Hole Deep Field
我们给出了洛克曼洞区域中~ 0.5 ° ^2范围内187611个源的宽带测光和测光红移。该目录包括389个X射线探测源，这些源通过非常深的XMM-Newton观测来识别，可用于0.2度的区域^2。在Rc、z'和B波段图像上执行源检测，并且可用的光度测量从远紫外到中红外，在最佳情况下达到21个波段。整个数据集的天体测量校正和光度交叉校准允许精确的光度红移计算。对X射线源进行了特殊处理，其中大部分是活动星系核。对正常星系的光度红移和光谱红移进行比较，得到的精度为σ_{Δz/（1+z）}=0.036，有12.7%的异常值，而对X射线源的精度为σ_{Δz/（1+z）}=0.069，有18.3%的异常值，其中异常值定义为|z_{phot} - z_{spec}|>0.15（1+ z_{spec}）}。这些结果是一个显着的改进，以前可用的光度红移的正常星系在洛克曼洞，而这是第一次光度红移的计算和公开的活动星系核在这一领域。
2011-10-05 astro-ph.CO
Improving Photometric Redshift Estimation for CSST Mock Catalog Using SED Templates Calibrated with Perturbation Algorithm
本文利用扰动算法和CSST模拟星表约4500个星系校准CWW+KIN SED模板，使测光红移离群比例和弥散度分别降低34%和23%，证明小训练集校准可有效提升大规模巡天测光红移精度。
2025-04-10 astro-ph.CO
Accurate photometric redshift probability density estimation - method comparison and application
我们介绍了一个有序分类算法的光度红移估计，显着提高了重建的光度红移概率密度函数（PDF）的个别星系和星系样本。作为一个用例，我们应用我们的方法CFHTLS星系。有序分类算法将不同的红移箱视为有序值，与非有序分类架构相比，这提高了光度红移PDF的质量。我们还提出了一个新的单值点估计的星系红移，可以用来估计一个星系样本的全部红移PDF。这种方法在精度方面与当代算法具有竞争力，当代算法将样本中所有星系的全部红移PDF叠加在一起，但需要的存储空间少了几个数量级。本文所描述的方法大大提高了个别对象红移PDF的对数似然，与流行的神经网络代码（ANNz）相比。在我们的用例中，对于高红移物体（$z \geq 0.75$），这种改进达到50%。我们表明，使用这些更准确的光度红移PDF将导致减少系统偏差的四个因素，当与不太准确的PDF从常用的方法获得。宇宙学的分析，我们检查，并发现改进后，如下：引力透镜集群质量的估计，建模的角度关联函数，和建模的宇宙剪切关联函数。
2015-07-17 astro-ph.CO
Photo-$z$ with CuBAN$z$: An improved photometric redshift estimator using Clustering aided Back Propagation Neural network
我们提出了一个改进的光度红移估计代码，CuBAN $z$，这是公开的https：//goo.gl/fpk90V}{https：//goo.gl/fpk90V。它使用反向传播神经网络以及训练集的聚类，这使得它比现有的神经网络代码更有效。在CuBAN $z$中，训练集被分成几个自学习的星系团，这些星系在给定的跨度内具有相似的光度特性和光谱红移。聚类算法使用颜色信息（即，$u-g$、$g-r$等）。而不是在各个光度带的视星等，因为光度红移对不同波段之间的通量差而不是实际值更敏感。使用测量中所有可能的颜色、幅度和不确定性为每个聚类训练单独的神经网络。对于一个红移未知的星系，我们识别出具有相似光度特性的最接近的可能星系团，并使用这些星系团来获得光度红移，使用这些星系团成员训练的特定网络。对于与任何训练集群都不匹配的星系，光度红移是从使用整个训练集的单独网络中获得的。这种聚类方法使我们能够更准确地确定红移。这里使用SDSS Stripe 82目录来演示代码。对于具有红移范围$z_{\rm spec}<0.7$的聚类源，在训练/测试阶段中的残余误差（$\langle (z_{\rm spec}-z_{\rm phot})^2\rangle^{1/2} $）低至0.03，与现有的ANNz码相比，现有的ANNz码在相同的测试数据集上提供0.05的残余误差。此外，我们提供了一个更好的估计所得出的光度红…
2016-09-12 astro-ph.CO
CFHTLenS and RCSLenS: Testing Photometric Redshift Distributions Using Angular Cross-Correlations with Spectroscopic Galaxy Surveys
我们确定星系红移分布的准确性，从光度红移概率分布$p(z)$估计。我们的方法利用测光星系和光谱红移星系的重叠样本之间的角互相关的测量。我们描述的红移泄漏从一个星系光度红移bin $j$到光谱红移bin $i$使用的总和$p(z)$的星系居住在bin $j$。然后，我们可以预测的光度和光谱星系之间的角互相关，由于内在的星系集群时，$i \neq j$作为一个函数的测量角互相关时，$i=j$。我们还占增强集群所产生的透镜放大使用晕模型。这种预测与测量信号的比较提供了一个一致性检查的有效性使用的总和$p(z)$，以确定星系红移分布的宇宙学分析，主张由加拿大-法国-夏威夷望远镜透镜巡天（CFHTLenS）。我们提出了一个分析的光度红移测量CFHTLenS，重叠的重子振荡光谱调查（BOSS）。我们还分析了红序列星系团透镜巡天（RCSLenS），它与BOSS和WiggleZ暗能量巡天重叠。我们发现，从这两个调查的总和$p(z)$一般是有偏见的真正的基本分布。如果不考虑，这种偏差将导致CFHTLenS的宇宙学参数估计误差小于$\sim 4\%$。对于测光红移箱空间重叠的3-D与我们的光谱样本，我们确定红移偏差校正，可用于未来的宇宙学分析，依赖于准确的星系红移分布。
2017-01-05 astro-ph.CO
Galaxy clustering using photometric redshifts
研究了星系两点关联函数在宽红移范围（0.2 < z < 3）内的演化。系统分析首次涵盖了1 - 1.5以上的红移。使用的目录~250000星系与i+ < 25和已知的光度红移在斯巴鲁深场。星系被分为三个光度类和几个距离/红移箱。首先，为每个亮度类别和距离仓确定2D CF。计算是基于具有可比性和明显不同的光度红移的星系对的表面分布之间的定量差异。CF的幂律近似。有限的光度红移的精度相比，光谱的已被检查和考虑。然后，计算所有选定亮度和距离的3D函数。确定了CF的幂律参数：斜率和相关长度。这两个参数并没有表现出强烈的变化，在整个调查的红移范围。明亮星系的斜率似乎始终比暗星系的斜率更陡。线性偏差因子b（z）随红移系统性地增长;假设局域归一化b（0）= 1.1-1.2，则在高红移极限时偏差达到3 - 3.5。
2015-08-20 astro-ph.CO
Galaxy Zoo Morphology and Photometric Redshifts in the Sloan Digital Sky Survey
它最近被证明，人们可以准确地从特定的主要和次要的等照度线形状估计斯隆数字巡天成像目录中的星系形态。这是通过将机器学习技术应用于Galaxy Zoo形态学目录来实现的。使用斯隆数字巡天的宽带通测光结合星系形态的精确知识，应有助于估计更准确的光度红移的星系。使用银河动物园分离的螺旋和椭圆相结合的斯隆数字巡天测光，我们试图计算光度红移。在最好的情况下，我们发现，根均方误差的发光红星系归类为椭圆低至0.0118。鉴于这些有希望的结果，我们相信，如果研究人员也可以通过机器学习利用它们的衍生形态，那么斯隆数字巡天（$\sim$ 3.5亿）中所有星系的更好的光度红移估计将是可行的。这些初步结果看起来是有希望的，为那些有兴趣估计弱透镜，重子声振荡，和其他领域依赖于准确的光度红移。
2011-04-19 astro-ph.CO
Galaxy clustering with photometric surveys using PDF redshift information
测光巡天可以绘制出大面积的星系分布图，但其红移信息的准确性不如光谱方法。现代光度学红移（photo-z）算法使用星系的星等或颜色，通过多波段成像获得，以产生地图中每个星系的概率密度函数（PDF）。我们使用模拟数据来研究使用不同的photo-z估计分配星系的红移箱的效果，以比较它们对角聚类和星系偏差测量的影响。我们发现，如果我们使用整个PDF，而不是单点（均值或众数）估计，偏差较小，特别是当使用窄红移箱时。当红移面元宽度为$Δz=0.1$时，整个PDF的使用将典型的测量偏差从使用单点估计时的5%降低到3%。
2016-06-13 astro-ph.CO
Photometric Redshifts of Submillimeter Galaxies
我们使用Chakrabarti & McKee（2008）的光度红移方法，利用PACS演化探测器（PEP）计划获得的远红外（FIR）$\it{Herschel}$数据推断亚毫米星系的光度红移。对于光谱红移的样品，我们证明了这种方法的有效性在大范围的红移（$ 4 \ga z \ga 0.3$）和光度，发现在$(1+z_{\rm phot})/(1+z_{\rm spec})$的平均精度为10%。因此，该方法比其他FIR光度红移方法更精确。这种方法不同于典型的远红外测光方法，它是从远红外光谱能量分布（SED）推断的红外亮星系的光气质量（$L/M$）比而不是尘埃温度来推导红移。一旦得到红移，我们就可以确定红外亮星系的物理性质，包括尘埃包层内的温度变化、光度、质量和表面密度。我们使用GOODS-S场的数据来计算AzTEC和PACS探测到的亚毫米亮源的恒星形成率密度（SFRD）。具有阈值$850 \micron$通量$\ga 5 \rm mJy$的AzTEC-PACS源贡献了来自所有ULIRG（$L_{\rm IR} \ga 10^{12} L_{\odot}$）的SFRD的15%，以及在$z \sim 2$的总SFRD的3%。
2012-06-26 astro-ph.CO
A Joint Analysis for Cosmology and Photometric Redshift Calculation Using Cross Correlations
我们提出了一种方法校准的光度红移箱的属性作为一个更大的马尔可夫链蒙特卡罗（MCMC）分析的宇宙学参数的推断的一部分。红移箱的特点是他们的平均值和方差，这是不同的自由参数和边缘化时获得的宇宙学参数。我们证明，在角功率谱框架中的互相关的似然函数严格约束仓的属性，使它们可以很好地确定，减少它们对宇宙学参数的影响，并避免从估计不佳的红移分布的偏见。我们证明，即使只有三个光度和三个光谱箱，我们可以恢复准确的估计的平均红移的一个bin内$Δμ\approx 3-4 \times10^{-3}$和宽度的bin $Δσ\approx 1\times10^{-3}$附近的星系$z = 1$。这表明我们有可能将测光红移误差降低到符合下一代宇宙学实验要求的水平。
2016-12-01 astro-ph.CO
Measuring photometric redshifts using galaxy images and Deep Neural Networks
本文提出了一种利用各波段的全星系像来估算星系光度红移的新方法。这种方法借鉴了机器学习的最新技术和进步，特别是深度神经网络。我们将整个多波段星系图像传递到机器学习架构中，以获得与现有最佳标准机器学习技术竞争的红移估计。标准技术使用后处理的特征来估计红移，例如从星系图像中提取的幅度和颜色，并被用户认为是显着的。这种新方法将用户从光度红移估计管道中删除。然而，我们确实注意到，深度神经网络需要比标准机器学习架构多出许多数量级的计算资源。
2016-06-15 astro-ph.CO astro-ph.GA astro-ph.IM
Machine learning based Photometric Redshifts for Galaxies in the North Ecliptic Pole Wide field: catalogs of spectroscopic and photometric redshifts
针对北黄极宽场星系，结合新测与文献光谱红移构建大样本，用随机森林模型估计77755个源的测光红移（精度良好），提供含高红移数据的目录，助力该区域及未来空间任务研究。
2025-02-02 astro-ph.CO astro-ph.GA
A Detailed Study of Photometric Redshifts for GOODS-South Galaxies
我们使用最深和最全面的光度数据，目前可用于GOODS南星系来测量其光度红移。测光包括VLT/VIMOS（U波段）、HST/ACS（F435 W、F606 W、F775 W和F850 LP波段）、VLT/ISAAC（J、H和KS波段）和四个斯皮策/IRAC通道（3.6、4.5、5.8和8.0微米）。星表选择在z波段（F850 LP），每个波段的光度测定都使用最近完成的TFIT算法进行，该算法在不同的仪器和滤光片上均匀地执行PSF匹配光度测定，尽管PSF和像素尺度存在很大变化。测光红移是使用GOODZ代码，这是基于模板拟合方法，使用先验。该代码还实现了“训练”的模板SED集，使用现有的光谱红移，以尽量减少系统之间的差异的模板和观测星系的SED。我们的最终目录占地153平方米。arcmin，包括总共32，505个物体的光度红移。我们估计的光度红移和光谱红移之间的离散度为sigma=0.040，在我们的星表的整个z带深度中有3.7%的异常值，在星等极限m（z）<24.5时，降低到sigma=0.039和2.1%的异常值。这与先前发表的GOODS-S星系的最佳结果一致，然而，目前的目录是最深的，并且提供了比早期作品更深的通量极限和更高的红移的显着更多的对象的光度红移。此外，我们表明，这里的光度红移估计的星系选择辍学是一致的，根据莱曼破碎技术的预期。
2010-10-27 astro-ph.CO
Photometric redshifts for galaxies in the Subaru Hyper Suprime-Cam and unWISE and a catalogue of identified clusters of galaxies
首先，我们提出了一个目录的光度红移1468万个星系的超Suprime-Cam斯巴鲁战略计划和广域红外巡天探测器使用最近邻算法的7波段光度数据。对于z<0.7的星系，红移不确定度约为0.024，并且随着红移的增加而稳定地增加，在z~2处约为0.11。从如此大的数据集中，我们识别出21，661个星系团，其中5537个星系团的红移z>1，642个星系团的红移z>1.5，显著扩大了高红移的星系团样本。估算了星团的丰度和质量，这些星团的当量质量为M_{500} > 0.7*10^{14} Msun。我们发现，恒星质量的最亮的星系团（BCGs）在每个丰富度仓不显着的红移演变。恒星形成的BCGs的比例随红移而增加，但不依赖于集群质量。
2020-11-19 astro-ph.CO
Gaussian Mixture Models for Blended Photometric Redshifts
未来的宇宙学星系巡天，如大型综合巡天望远镜（LSST），将以光度计观测到非常大量的星系。如果没有光谱学，分析这些数据所需的红移将需要使用可扩展到大样本大小的光度红移技术来推断。高数量密度的源也意味着大约一半是混合的。我们提出了一个贝叶斯光度红移混合源的方法，使用高斯混合模型来学习的联合通量红移分布从一组未混合的训练星系，贝叶斯模型比较，推断星系的数量，包括一个混合源。高斯混合模型的使用使得这两个应用程序的计算效率，因此适合即将到来的星系调查。
2019-10-04 astro-ph.CO astro-ph.GA
Exploring the SDSS Photometric Galaxies with Clustering Redshifts
我们应用基于聚类的红移推断所有扩展源从斯隆数字巡天光度计目录，下降到星等r = 22。我们绘制了颜色和红移之间的关系，没有假设源的光谱能量分布（SED）。我们确定和定位恒星形成，静止星系，活动星系核，以及颜色变化，由于光谱特征，如4000年的突破，通过特定的过滤器红移。我们的映射是在全球范围内与SED模板计算的颜色红移轨道的良好协议，但揭示了信息的差异，如需要在某些模板中的M型恒星的较低的分数。我们比较我们的集群红移估计光度红移，并发现这两个独立的估计是在每个考虑的限制幅度很好的协议。最后，我们提出了全球集群红移分布的所有斯隆扩展源，显示对象到z~0.8。虽然整体形状与从光度红移推断的一致，但聚类红移技术导致更平滑的分布，没有光度红移估计所建议的红移空间结构的指示（可能是光谱训练集留下的伪影）。我们还推断出高红移天体的比例更高。观测到的四种颜色和红移之间的映射可以用来估计单个星系的红移概率分布函数。这项工作是产生红移和光度空间中所有可用观测值之间的一般映射的第一步，包括亮度，大小，浓度和椭圆率。
2016-04-23 astro-ph.CO astro-ph.GA
ArborZ: Photometric Redshifts Using Boosted Decision Trees
精确的测光红移对于从下一代广域成像巡天中提取宇宙学参数至关重要。在本文中，我们介绍了光度红移算法，ArborZ，基于机器学习技术的提升决策树。我们研究的算法使用星系从斯隆数字巡天和模拟目录旨在模拟SDSS和即将到来的暗能量调查。我们表明，它提高了现有算法的性能。此外，该方法自然会导致每个星系的光度红移的全概率密度函数（PDF）的重建，而不仅仅是一个单一的“最佳估计”和错误，也提供了一个photo-z质量的每个星系，可用于拒绝离群值的品质因数。我们表明，堆叠PDF产生更准确的红移分布N（z）的重建。我们讨论了当前算法的局限性和未来工作的想法。
2009-08-27 astro-ph.CO
The removal of shear-ellipticity correlations from the cosmic shear signal: Influence of photometric redshift errors on the nulling technique
宇宙剪切被认为是揭示暗物质和暗能量性质的最有力的探测器之一。为了充分利用其潜力，必须能够将系统效应控制在低于统计参数误差的水平。在这方面特别令人担忧的是内在的对齐，通过星系的内在椭圆率和引力剪切之间的相关性，模仿透镜效应，造成相当大的参数偏差。在早期的工作中，我们已经提出了一个调零技术，降低这个系统的权重，只利用其众所周知的红移依赖。我们评估的实用性零，光度红移信息的现实条件。对于几个简化的内在排列模型和广泛的光度红移特性，我们计算了调零前后的平均偏差。该技术的修改被引入到优化的偏置去除和最小化的信息损失的零。我们证明，所提出的版本之一是接近最佳的偏置去除方面，高品质的光度红移。为了获得良好的光度红移信息，即至少10个具有小色散的仓，灾难性异常值的可忽略部分，以及关于红移分布的精确知识，一种版本的零化能够将剪切固有椭圆率污染减少至少100倍。或者，我们描述了一个强大的零变抑制系统信号约10的光度红移配置的一个非常广泛的范围。不考虑测光红移的质量，统计功率的损失是零化所固有的，这相当于我们的品质因数减少了50%。
2010-02-03 astro-ph.CO
Photometric redshifts: estimating their contamination and distribution using clustering information
我们提出了一种新的技术来估计光度红移箱之间的污染水平。如果红移仓之间的真实角互相关可以安全地假设为零，则任何测量到的互相关都是仓之间污染的结果。我们提出的理论为任意数量的红移箱，并详细讨论的情况下，两个和三个箱，可以很容易地解决分析。我们使用模拟目录构建的千年模拟测试的方法，表明人工污染，可以成功地恢复与我们的方法。我们发现，退化的参数空间中禁止我们确定一个独特的解决方案的污染，虽然限制，可以改善较大的数据集。然后，我们将该方法应用于观测星系调查：加拿大-法国-夏威夷望远镜遗产调查的深层部分。我们估计光度红移箱之间的污染水平，并证明我们有能力重建的真实红移分布和真实的平均红移星系在每个光度箱。
2010-10-07 astro-ph.CO
Optimising the shape of photometric redshift distributions with clustering cross-correlations
我们提出了一个优化的方法分配光度星系到一组选定的红移箱。这是通过将模拟退火（一种受固态物理学启发的优化算法）与无监督机器学习方法（一种观察到的星系颜色的自组织映射（SOM））相结合来实现的。从一个样本的星系被划分成红移箱的基础上的光度红移点估计，模拟退火算法反复重新分配SOM选定的子样本的星系，这是接近的颜色，替代红移箱。我们优化了光度星系和具有良好校准红移的星系参考样本之间的聚类互相关信号。根据对聚类信号的影响，重新分配被接受或拒绝。通过动态增加SOM的分辨率，该算法最终收敛到一个解决方案，最大限度地减少每个层析红移箱中的失配星系的数量，从而提高了其相应的红移分布的紧凑性。这种方法在合成LSST cosmoDC2目录上得到了证明。我们发现，在所有的层析箱中的红移分布中的灾难性异常值的比例显着减少，最显着的是在最高的红移箱中，异常值比例从57%下降到16%。
2023-02-07 astro-ph.CO
Photometric redshifts and cluster tomography in the ESO Distant Cluster Survey
本文报道了在欧洲南方天文台远星系团巡天（EDisCS）观测场中的光度红移测量和精度以及星系团层析成像的结果。测光红移的计算使用两个独立的代码（Hyperz和G。Rudnick的代码）。通过与~1400个星系在0.3<z<1.0区域的光谱红移值的比较，评估了光度红移值的准确性。比光谱控制样品暗的星系的准确性估计使用的光谱样品的光度计目录的退化版本。测光红移的精确度通常为sigma（Delta z/（1+z））~ 0.05+/-0.01，取决于场、滤光片组和星系的光谱类型。EDisCS样本中最亮（I~22）和最暗（I~24-24.5）星系的光度红移质量下降了2倍（Δ z/（1+z））。用基于photoz的简单算法对EDisCS场中的团簇红移进行光度测定，结果与光谱值非常吻合（delta（z）在高z样品中约为0.03-0.04，在低z样品中约为0.05）。我们还开发了一种方法，使用这两个光子代码联合拒绝干涉者在微弱的幅度比光谱限制。当应用于光谱样品时，该方法拒绝约50-90%的所有光谱确认的非成员，同时保留至少90%的所有确认成员。测光红移被发现是特别有用的识别和研究星系团在大型调查。它们可以有效和完整地预先选择光谱学中的星系团成员，精确地测定星系团的红移，并提供了一种确定星系团成员的方法。（节录）
2009-10-28 astro-ph.CO
Multimodality for improved CNN photometric redshifts
针对测光红移估计需求，提出先并行处理多图像波段子集再合并输入CNN的多模态方法，在三项巡天数据上超越现有精度，且增益随滤光片数量增加而提升。
2023-10-03 astro-ph.CO
Photometric Supernovae Redshift Systematics Requirements
在未来的十年里，成像调查将发现成千上万的Ia型超新星，并测量它们的光变曲线。除了需要表征它们的类型和亚型之外，还需要红移将它们放在哈勃图上以映射宇宙膨胀。为了不影响宇宙学结果，特别是暗能量参数估计，我们研究了红移系统学控制的要求。我们发现，添加剂和乘法系统必须限制在几个$\,\times 10^{-3}$水平，有效地要求光谱后续强大的光度超新星的使用。灾难性的异常值需要控制在百分之几的水平。我们还研究了光谱样品的雕刻。
2019-07-01 astro-ph.CO
Z-Sequence: Photometric redshift predictions for galaxy clusters with sequential random k-nearest neighbours
我们介绍了Z序列，一个新的经验模型，利用光度测量观测星系在指定的搜索半径估计光度红移的星系团。Z序列本身由基于k-最近邻算法的机器学习集成组成。我们实现了一个自动化的特征选择策略，迭代地确定适当的过滤器和颜色的组合，以尽量减少光度红移预测误差。我们打算让Z序列成为一种独立的技术，但它可以与本质上不预测红移的星团发现者相结合，比如我们自己的DEEP-CEE。在这个概念验证的研究中，我们训练，微调和测试Z序列的公开可用的集群目录来自斯隆数字巡天。当应用小的搜索半径时，我们通过$|Δz|/(1+z)$的中值（在$0.05 \le \textit{z} \le 0.6$的光度红移范围内）确定Z序列的光度红移预测误差为$\sim0.01$。当搜索半径扩大时，测试样本的光度红移预测误差增加了30%-50%，这可能是由于视线交错的星系。最终，我们的目标是将Z序列应用于即将到来的成像调查，如空间和时间的遗产调查，以提供尚未发现和遥远的集群的大样本的光度红移估计。
2021-04-22 astro-ph.CO astro-ph.GA
Bayesian inference from photometric redshift surveys
我们展示了如何提高红移精度的调查组成的示踪剂具有高度不确定的位置沿视线。红移不确定度Δ z ~ 0.03的测光测量在高密度区可以得到最终的红移不确定度Δ zf ~ 0.003。这种增加的红移精度是通过在贝叶斯分析中施加各向同性和2点相关先验来实现的，并且完全独立于估计光度红移的过程。作为副产品，该方法还推断出三维密度场，本质上是超分辨红移空间中的高密度区域。我们的方法充分考虑了调查掩码和选择功能。它使用了一个简化的星系形成的泊松图像，将星系的首选位置与物质场中密度较高的区域联系起来。该方法通过生成受调查数据约束的样本来量化三维密度场和星系真实径向位置中剩余的不确定性。这种高维，非高斯联合后验的探索是可行的，使用多块Metropolis-Hastings采样。我们展示了我们的实现包含2.0 × 10^7星系的模拟的性能。这些结果证实了贝叶斯分析的承诺，即将光度大尺度结构调查与数以千万计的星系。
2011-06-14 astro-ph.CO
Degradation analysis in the estimation of photometric redshifts from non-representative training sets
我们进行了光度红移的分析估计使用一个非代表性的训练集在星等空间。我们使用ANNz 2和GPz算法来估计光度红移无论是在模拟，以及在实际数据从斯隆数字巡天（DR 12）。我们表明，对于代表性的情况下，通过使用这两种算法获得的结果具有相同的质量，无论是使用幅度或颜色作为输入。为了减少使用非代表性训练集估计红移时的误差，我们在颜色空间中进行训练。我们估计我们的结果的质量，通过使用一个模拟目录，这是分裂样本削减之间的$r$ -带$19.4< r< 20.8$。在完整训练集的情况下，我们用GPz对单点z-phot估计获得了稍好的结果，但是在不完整训练集的情况下，当估计样本的全红移分布时，用ANNz 2算法估计的光度红移允许我们在更深的$r$ -带切割中获得稍好的结果。通过使用一个累积分布函数和蒙特卡罗过程，我们设法定义一个光度估计，它适合在模拟测试集的星系的光谱分布，但具有较大的散射。为了完成这项工作，我们进行了一个分析的影响，通过密度的星系团在一个字段中使用的光度红移获得一个非代表性的训练集的检测。
2018-04-11 astro-ph.CO
Cosmology Requirements on Supernova Photometric Redshift Systematics for Rubin LSST and Roman Space Telescope
在即将到来的广域时域调查中，将发现和监测大约100万颗Ia型超新星（SN），如Vera C。Rubin Observatory Legacy Survey of Space and Time（鲁宾天文台时空遗产巡天）对于宇宙学的应用，除了其他特性外，还需要精确的红移;然而绝大多数SN不会有光谱红移，即使是对于它们的宿主星系，也只有光度红移。我们评估了红移系统控制必要的强大的宇宙学。基于由机器学习产生的光度与真实红移关系，应用于LSST质量观察到的50万个星系的模拟，我们量化了平均关系和异常值分数和偏差中的系统学要求，以便不偏向暗能量宇宙学推断。某些红移范围是特别敏感的，激发了SN在$z\lesssim0.2$和$z\approx0.5$-0.6附近的光谱跟踪。包括Nancy Grace Roman太空望远镜近红外波段的模拟中，我们重新分析的约束，发现在高红移的改善，但很少在低红移的系统学导致强烈的宇宙学偏见。我们确定了一个完整的光谱调查SN主机星系$z\lesssim0.2$作为一个非常有利的元素强大的SN宇宙学。
2021-01-06 astro-ph.CO
Photometric redshift galaxies as tracers of the filamentary network
星系细丝是宇宙网整体结构的主要特征。对星系网的研究是理解星系演化和宇宙物质演化的一个重要方面。一张网状结构图是对蛛网的一种充分的探索。我们认为光度红移星系与光谱红移星系空间分布中所观测到的星系结构有显著的正相关。分光和光度星系的星表被看作是球体中的点过程实现，而星系脊的星表被认为是球体中随机集合的实现。使用二元$J-$函数研究这些集合之间的正相关性，该函数是研究聚类的汇总统计量。建立了一个商$D$来估计星系的距离分布，与$3-$维欧氏空间中星系的距离分布进行比较。这种测量给出了一个物理距离尺度，以测量星系脊和所研究的星系集之间的距离。二元$J-$函数表明，在暗脊星系和光度红移星系之间存在统计上显著的聚集效应。商$D$证实了以前的结果，即光度星系和暗条之间存在更小的距离的概率更高。物体之间的距离越小的趋势在红移越高时越强。此外，测光星系的商$D$给出了一个大约为$1$ ~Mpc的星系脊宽度的粗略估计。光度红移星系与分光星系空间分布中发现的暗脊呈正相关。
2019-05-02 astro-ph.CO
Reconstructing the galaxy density field with photometric redshifts: I. Methodology and validation on stellar mass functions
测量大量遥远星系的环境仍然是一个悬而未决的问题，我们需要星系的位置和红移。光度红移对于大量的星系来说更容易获得，但代价是比光谱红移更大的不确定性。在这项工作中，我们研究了光度红移如何影响星系环境的测量，以及这可能如何限制在不同环境中的星系恒星质量函数（GSMF）的分析。使用模拟星系目录，我们用固定孔径方法测量环境，使用每个星系的真实和光度红移。我们改变了固定的光圈体积参数和光度红移的不确定性。然后，我们计算GSMF作为红移和环境的函数。我们发现，只有当使用高精度的光度红移与$σ_{Δz/(1+z)} \le 0.01$，最极端的环境可以重建在一个相当准确的方式，与一小部分$\ge 60÷80\%$的星系放置在正确的密度四分位数和污染的$\le 10\%$相反的四分位数闯入者。与光度红移的$\pm 1.5σ$误差相当的体积高度比其他体积配置提供了更好的重建。当使用这样的环境测量时，我们发现初始GSMF之间的任何差异（根据真实的星系环境划分）将在使用光度红移时被平均$\sim 0.3$ dex阻尼，但仍然可以分辨。这些结果可以用来解释真实的数据，因为我们获得它们的方式是相当独立的模拟目录如何再现真实的星系分布。这项工作是一个准备性的研究，为未来的广域测光红移调查，如欧几里德调查，我们计划将这些结果应用到分析的GSMF在UltraVISTA调查在未来的工作。
2015-09-29 astro-ph.CO astro-ph.GA
Measuring galaxy environments in large scale photometric surveys
在局部宇宙中星系的性质已经被证明取决于它们的环境。未来的大规模测光调查，如DES和欧几里得将是至关重要的洞察星系性质的演变和环境的作用。大样本是以牺牲红移精度为代价的，这影响了环境测量。我们研究这一点，通过测量环境中使用SDSS光谱和光度红移，并模拟光度红移的范围内的不确定性。我们考虑了第N近邻和固定孔径方法，并评估了孔径参数和红移不确定性的影响。我们发现，光度环境有一个较小的动态范围比光谱测量，因为不确定的红移散射星系从密集的环境到不太密集的环境。在DES的预期红移不确定度为0.1时，使用最佳参数的测量值之间的Spearman秩相关系数为0.4。我们研究了星系的红色分数作为质量和环境的函数，使用光度红移，发现双变量依赖仍然存在于SDSS光度测量。我们表明，光度样品的红移不确定性为0.1必须约6-16倍大于光谱样品检测环境相关性与等效分数误差。
2015-05-05 astro-ph.CO astro-ph.GA
Higher-order statistics of the large-scale structure from photometric redshifts
大尺度结构是宇宙学信息的主要来源。然而，下一代光度星系巡天将只提供一个扭曲的宇宙结构，由于大的红移不确定性。为了解决需要精确重建的大尺度结构存在光度的不确定性，我们提出了一个框架，约束的三维暗物质密度与星系光度红移概率密度函数（PDF），利用信息从星系聚类。我们的前向模型提供了马尔可夫链蒙特卡罗实现的原始和现今的暗物质密度，推断联合数据。我们的方法超越了2点统计通过字段级推理。它解释了所有观测不确定性和测量几何。我们展示了我们的方法使用模拟目录，模拟下一代的调查与最坏情况下的红移不确定性，相当于${\sim}300$ Mpc。在尺度$150$ Mpc上，我们将测光星系位置与地面真值的互相关从$28\%$提高到$86\%$ .这种改善在低至$13$ Mpc时是显著的。在$150$ Mpc尺度上，我们获得了$80-90\%$与地面真实值的互相关，得到了暗物质密度、径向奇速度、潮汐切变和引力势。
2023-01-09 astro-ph.CO
Reconstructing redshift distributions with photometric galaxy clustering
本文提出改进的红移自校准算法，通过新的更新规则处理异方差权重和负值噪声，并在DESI亮红星系样本上验证其重建效果可与最先进的外部校准相媲美。
2024-10-08 astro-ph.CO
SOMz: photometric redshift PDFs with self organizing maps and random atlas
University of Illinois（伊利诺伊大学）
在本文中，我们探讨了自组织映射（SOM）的无监督机器学习技术估计星系光度红移概率密度函数（PDF）的适用性。该技术采用光谱训练集，并通过使用竞争性学习过程将光度属性而不是红移映射到二维表面，在该过程中神经元竞争以更接近训练数据多维空间。SOM的关键特征是它保留了输入集的拓扑结构，揭示了不容易识别的属性之间的相关性。我们测试三种不同的二维拓扑映射：矩形，六边形和球形，通过使用数据从DEEP 2调查。我们还探索了地图上的不同实现和边界条件，并介绍了随机地图集的想法，其中创建了大量不同的地图，并将其各自的预测聚合起来，以产生更强大的光度红移PDF。我们还引入了一个新的度量，$I$ -score，它有效地结合了不同的度量，使其更容易比较不同的结果（从不同的参数或不同的光度红移代码）。我们发现，通过使用球形拓扑映射，我们获得了底层多维拓扑的更好表示，这提供了与其他最先进的机器学习算法相媲美的更准确的结果。我们的结果表明，无监督方法在许多天文问题上具有巨大的潜力，特别是在光度红移的计算方面。
2013-12-18 astro-ph.CO astro-ph.IM cs.LG
