LSST Science Collaboration, Paul A. Abell, Julius Allison, Scott F. Anderson, John R. Andrew, J. Roger P. Angel, Lee Armus, David Arnett, S. J. Asztalos, Tim S.… 展开作者
LSST Science Collaboration, Paul A. Abell, Julius Allison, Scott F. Anderson, John R. Andrew, J. Roger P. Angel, Lee Armus, David Arnett, S. J. Asztalos, Tim S. Axelrod, Stephen Bailey, D. R. Ballantyne, Justin R. Bankert, Wayne A. Barkhouse, Jeffrey D. Barr, L. Felipe Barrientos, Aaron J. Barth, James G. Bartlett, Andrew C. Becker, Jacek Becla, Timothy C. Beers, Joseph P. Bernstein, Rahul Biswas, Michael R. Blanton, Joshua S. Bloom, John J. Bochanski, Pat Boeshaar, Kirk D. Borne, Marusa Bradac, W. N. Brandt, Carrie R. Bridge, Michael E. Brown, Robert J. Brunner, James S. Bullock, Adam J. Burgasser, James H. Burge, David L. Burke, Phillip A. Cargile, Srinivasan Chandrasekharan, George Chartas, Steven R. Chesley, You-Hua Chu, David Cinabro, Mark W. Claire, Charles F. Claver, Douglas Clowe, A. J. Connolly, Kem H. Cook, Jeff Cooke, Asantha Cooray, Kevin R. Covey, Christopher S. Culliton, Roelof de Jong, Willem H. de Vries, Victor P. Debattista, Francisco Delgado, Ian P. Dell'Antonio, Saurav Dhital, Rosanne Di Stefano, Mark Dickinson, Benjamin Dilday, S. G. Djorgovski, Gregory Dobler, Ciro Donalek, Gregory Dubois-Felsmann, Josef Durech, Ardis Eliasdottir, Michael Eracleous, Laurent Eyer, Emilio E. Falco, Xiaohui Fan, Christopher D. Fassnacht, Harry C. Ferguson, Yanga R. Fernandez, Brian D. Fields, Douglas Finkbeiner, Eduardo E. Figueroa, Derek B. Fox, Harold Francke, James S. Frank, Josh Frieman, Sebastien Fromenteau, Muhammad Furqan, Gaspar Galaz, A. Gal-Yam, Peter Garnavich, Eric Gawiser, John Geary, Perry Gee, Robert R. Gibson, Kirk Gilmore, Emily A. Grace, Richard F. Green, William J. Gressler, Carl J. Grillmair, Salman Habib, J. S. Haggerty, Mario Hamuy, Alan W. Harris, Suzanne L. Hawley, Alan F. Heavens, Leslie Hebb, Todd J. Henry, Edward Hileman, Eric J. Hilton, Keri Hoadley, J. B. Holberg, Matt J. Holman, Steve B. Howell, Leopoldo Infante, Zeljko Ivezic, Suzanne H. Jacoby, Bhuvnesh Jain, R, Jedicke, M. James Jee, J. Garrett Jernigan, Saurabh W. Jha, Kathryn V. Johnston, R. Lynne Jones, Mario Juric, Mikko Kaasalainen, Styliani, Kafka, Steven M. Kahn, Nathan A. Kaib, Jason Kalirai, Jeff Kantor, Mansi M. Kasliwal, Charles R. Keeton, Richard Kessler, Zoran Knezevic, Adam Kowalski, Victor L. Krabbendam, K. Simon Krughoff, Shrinivas Kulkarni, Stephen Kuhlman, Mark Lacy, Sebastien Lepine, Ming Liang, Amy Lien, Paulina Lira, Knox S. Long, Suzanne Lorenz, Jennifer M. Lotz, R. H. Lupton, Julie Lutz, Lucas M. Macri, Ashish A. Mahabal, Rachel Mandelbaum, Phil Marshall, Morgan May, Peregrine M. McGehee, Brian T. Meadows, Alan Meert, Andrea Milani, Christopher J. Miller, Michelle Miller, David Mills, Dante Minniti, David Monet, Anjum S. Mukadam, Ehud Nakar, Douglas R. Neill, Jeffrey A. Newman, Sergei Nikolaev, Martin Nordby, Paul O'Connor, Masamune Oguri, John Oliver, Scot S. Olivier, Julia K. Olsen, Knut Olsen, Edward W. Olszewski, Hakeem Oluseyi, Nelson D. Padilla, Alex Parker, Joshua Pepper, John R. Peterson, Catherine Petry, Philip A. Pinto, James L. Pizagno, Bogdan Popescu, Andrej Prsa, Veljko Radcka, M. Jordan Raddick, Andrew Rasmussen, Arne Rau, Jeonghee Rho, James E. Rhoads, Gordon T. Richards, Stephen T. Ridgway, Brant E. Robertson, Rok Roskar, Abhijit Saha, Ata Sarajedini, Evan Scannapieco, Terry Schalk, Rafe Schindler, Samuel Schmidt, Sarah Schmidt, Donald P. Schneider, German Schumacher, Ryan Scranton, Jacques Sebag, Lynn G. Seppala, Ohad Shemmer, Joshua D. Simon, M. Sivertz, Howard A. Smith, J. Allyn Smith, Nathan Smith, Anna H. Spitz, Adam Stanford, Keivan G. Stassun, Jay Strader, Michael A. Strauss, Christopher W. Stubbs, Donald W. Sweeney, Alex Szalay, Paula Szkody, Masahiro Takada, Paul Thorman, David E. Trilling, Virginia Trimble, Anthony Tyson, Richard Van Berg, Daniel Vanden Berk, Jake VanderPlas, Licia Verde, Bojan Vrsnak, Lucianne M. Walkowicz, Benjamin D. Wandelt, Sheng Wang, Yun Wang, Michael Warner, Risa H. Wechsler, Andrew A. West, Oliver Wiecha, Benjamin F. Williams, Beth Willman, David Wittman, Sidney C. Wolff, W. Michael Wood-Vasey, Przemek Wozniak, Patrick Young, Andrew Zentner, Hu Zhan
A survey that can cover the sky in optical bands over wide fields to faint magnitudes with a fast cadence will enable many of the exciting science opportunities of the next decade. The Large Synoptic Survey Telescope (LSST) will have an effective aperture of 6.7 meters and an imaging camera with field of view of 9.6 deg^2, and will be devoted to a ten-year imaging survey over 20,000 deg^2 south of +15 deg. Each pointing will be imaged 2000 times with fifteen second exposures in six broad bands from 0.35 to 1.1 microns, to a total point-source depth of r~27.5. The LSST Science Book describes the basic parameters of the LSST hardware, software, and observing plans. The book discusses educational and outreach opportunities, then goes on to describe a broad range of science that LSST will revolutionize: mapping the inner and outer Solar System, stellar populations in the Milky Way and nearby galaxies, the structure of the Milky Way disk and halo and other objects in the Local Volume, transient and variable objects both at low and high redshift, and the properties of normal and active galaxies at low and high redshift. It then turns to far-field cosmological topics, exploring properties of supernovae to z~1, strong and weak lensing, the large-scale distribution of galaxies and baryon oscillations, and how these different probes may be combined to constrain cosmological models and the physics of dark energy.
Maximizing Science in the Era of LSST, Stars Study Group Report: Rotation and Magnetic Activity in the Galactic Field Population and in Open Star Clusters
The Photometric LSST Astronomical Time-series Classification Challenge (PLAsTiCC): Selection of a performance metric for classification probabilities balancing diverse science goals
Uniform Rolling: An LSST Observing Cadence Offering Sufficient Survey Uniformity for Comprehensive Cosmological Analysis
Imperial College London（帝国理工学院）；Argonne National Laboratory（阿贡国家实验室）；Stanford University（斯坦福大学）；SLAC National Accelerator Laboratory（斯坦福直线加速器中心）；Rutgers, the State University of New Jersey（新泽西州立罗格斯大学）；University College London（伦敦大学学院）；University of Toronto（多伦多大学）；Duke University（杜克大学）；University of the Western Cape（西开普敦大学）；Carnegie Mellon University（卡内基梅隆大学）；University of Pittsburgh（匹兹堡大学）；University of Cambridge（剑桥大学）；Stockholm University（斯德哥尔摩大学）；University of Washington（华盛顿大学）
Fink, a new generation of broker for the LSST community
Fink是一个经纪人，旨在使科学与大型时域警报流，如即将到来的Vera C。Rubin Observatory Legacy Survey of Space and Time（鲁宾天文台时空遗产巡天）它展示了传统的天文学代理功能，例如自动摄取，注释，选择和重新分配瞬变科学的有前途的警报。它还旨在通过提供实时瞬态分类来超越传统的经纪人功能，并通过使用最先进的深度学习和自适应学习技术不断改进。这些不断发展的附加值将使LSST光度数据在各种科学案例中的科学输出更加准确，同时也会导致伴随调查演变的新发现的发生率更高。在本文中，我们介绍Fink，它的科学动机，架构和当前状态，包括使用Zwicky Transient Facility警报流的第一个科学验证案例。
Processing GOTO data with the Rubin Observatory LSST Science Pipelines I : Production of coadded frames
在过去的几十年里，宽视场、高节奏的勘测蓬勃发展，其中最令人生畏的将是由维拉C。鲁宾天文台。然而，系统时域巡天天文学领域是如此的新，以至于将继续使用比LSST更小、更灵活的系统来获得重大的科学见解。其中一个例子是引力波光学瞬态观测器，其主要科学目标是对引力波事件进行光学跟踪。GOTO和其他广域、高节奏调查产生的数据量和速度对数据处理管道提出了重大挑战，因为数据处理管道需要近实时操作以充分利用时域。在这项研究中，我们适应鲁宾天文台LSST科学管道处理GOTO数据，从而探索使用这种“现成的”管道处理其他广域，高节奏调查数据的可行性。在本文中，我们描述了我们如何使用LSST科学管道处理原始GOTO帧，最终产生校准的coadded图像和光度源目录。在将测量的天体测量和光度测量与PanSTARRS DR 1的匹配源进行比较后，我们发现测量的源位置通常精确到亚像素水平，并且测量的L波段光度测量精确到$m_L\sim16$的$\sim50$ mmag和$m_L\sim18$的$\sim200$ mmag。这些值相比，使用GOTO的主要，内部管道，GOTOPHOTO获得的，尽管这两个管道已经经历了进一步的发展和改进，超出了本研究中使用的实现。最后，我们发布了一个通用的“obs包”，如果其他人希望使用LSST科学管道来处理来自其他设施的数据，他们可以在此基础上构建。
Optimizing the LSST Observing Strategy for Dark Energy Science: DESC Recommendations for the Deep Drilling Fields and other Special Programs
我们回顾了暗能量的测量，使深钻领域的观测和宇宙学测量的调查设计的优化。本白皮书是LSST DESC观测战略工作组（OSTF）努力的结果，该工作组代表了整个合作，旨在为DDFs的观测战略提出建议，这将有利于LSST的所有宇宙学分析。它附有DESC-WFD白皮书（Lochner等人）。我们主张改变名义深钻计划，有$>6$月季节，交织$gri$和$zy$观察每3天与2，4，8，25，4访问$grizy$，分别。这些建议的指导指标优化约束的暗能量和减轻系统的不确定性，包括具体要求总访问后，Y1和Y10测光红移（照片- $z$）和弱透镜系统。我们指定了先前选择的LSST深场（ELAIS-S1，XMM-LSS，CDF-S和COSMOS）的精确位置，并推荐Akari Deep Field South作为计划的第五个深场，以便与Euclid和WFIRST协同。我们推荐的DDF策略使用LSST调查时间的$6.2\%$。我们简要讨论了与其他合作的白皮书的协同作用，以及额外的小型调查和目标的机会计划，导致更好地测量暗能量。
From Data to Software to Science with the Rubin Observatory LSST
维拉C。Rubin Observatory Legacy Survey of Space and Time（LSST）数据集将极大地改变我们对宇宙的理解，从太阳系的起源到暗物质和暗能量的性质。这项研究的大部分将取决于是否存在健壮的、经过测试的和可扩展的算法、软件和服务。提前识别和开发这些工具有可能大大加快LSST早期科学的交付。合作开发这些工具并使其广泛可用，可以使LSST科学更具包容性和公平性。为了促进这些机会，由LSST跨学科协作与计算网络（LINCC）及其合作伙伴组织了一个名为“从数据到软件再到科学与鲁宾天文台LSST”的社区研讨会，并于2022年3月28日至30日在纽约熨斗研究所举行。研讨会包括来自300多个应用程序的50多名与会者。它确定了七个关键的软件需求领域：（i）星表的可扩展交叉匹配和分布式连接，（ii）鲁棒的光度红移确定，（iii）用于确定选择函数的软件，（iv）用于可扩展时间序列分析的框架，（v）用于图像访问和大规模再处理的服务，（vi）对象图像访问（剪切）和大规模分析，以及（vii）可扩展的作业执行系统。本白皮书总结了本次研讨会的讨论情况。它考虑了激励性的科学用例，确定的交叉算法，软件和服务，它们的高级技术规范，以及开发它们所需的包容性合作原则。我们提供它作为一个有用的需求路线图，以及刺激行动和团体和个人之间的合作，希望为早期LSST科学开发可重用的软件。
NRAO（美国国家射电天文台）；Laboratoire d'Astrophysique de Marseille（马赛天体物理学实验室）；Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）；Max Planck Institute for Astronomy（马克斯·普朗克天文学研究所）；University of Connecticut（康涅狄格大学）；UC Irvine（加州大学尔湾分校）；NASA Goddard Space Flight Center（美国宇航局戈达德太空飞行中心）；Hiroshima University（广岛大学）；University of Kansas（堪萨斯大学）；Ehime University（爱媛大学）
Metrics for Optimization of Large Synoptic Survey Telescope Observations of Stellar Variables and Transients
大型综合巡天望远镜（LSST）将是有史以来最大的时域光度测量。为了最大限度地提高LSST的科学产量的瞬态恒星现象的广泛阵列，有必要优化调查节奏，覆盖范围和深度通过定量指标，专门设计用于表征各种类型的恒星瞬变的时域行为。在本文中，我们提出了基于LSST度量分析框架（MAF）模型（Jones et al. 2014）的三个此类度量。其中两个度量量化了LSST检测非周期性和/或非重现性瞬态事件的能力，以及LSST可靠地测量各种时间尺度的周期性信号的能力。第三个度量提供了一种方法来量化LSST将探测的恒星星族中恒星参数的范围。我们提供的例子使用这些指标，并讨论了一些影响，这些指标的基础上优化的LSST调查恒星变量和瞬变观测。
Recommended Target Fields for Commissioning the Vera C. Rubin Observatory
Vera C的调试团队。鲁宾天文台正在计划一套工程和科学验证观测与遗产调查的空间和时间（LSST）调试相机，然后鲁宾天文台LSST相机。这些观测的时间框架尚未确定，委托小组将灵活选择观测领域。在本文件中，暗能量科学合作（DESC）委托工作组提出了一个优先的目标领域清单，适合测试DESC相关科学性能的各个方面，按季节分组，以便从Cerro Pachon的鲁宾天文台获得可见度。我们推荐的字段包括用于照片- $z$和形状校准目的的深度钻探字段（DDFs）到完整的LSST深度，用于去混合研究的HST成像字段到完整的深度，以及几个过滤器中的$\sim$ 200平方度区域到1年深度，用于DESC广域科学案例的更高级别验证。我们还预计，将需要委托观测的模板建设瞬态科学在广泛的RA范围。我们包括我们推荐的字段的详细描述以及相关的参考资料。我们乐观地认为，这份文件将继续在LSST操作中发挥作用，因为它提供了一个全面的重叠数据集列表和描述它们的参考文献。
Intrinsic Pixel Size Variation in an LSST Prototype Sensor
大型综合巡天望远镜（LSST）雄心勃勃的科学目标激发了对LSST相机中新的和意想不到的系统误差源的研究。平场图像是传感器异常的丰富数据来源，尽管这种影响通常在单个平场中被散粒噪声所掩盖。在将许多（$\sim 500$）这样的图像组合成“超平坦”以减少散粒噪声的影响后，我们在逐像素的基础上进行光子传输分析，并在100 ke $^-$及以下的光水平下观察到像素线性或增益中没有空间结构。在125 ke $^-$，柱状结构中观察到的增益图-我们归因于一个通量依赖的电荷转移效率低下。我们还通过分析超平图像中的像素-邻居相关性来探测有效像素大小的小尺度变化，在那里我们观察到$\sim .3\%$水平附近的LSST原型传感器中有效像素大小的内在变化的明确证据。
