KiDS-1000 Methodology: Modelling and inference for joint weak gravitational lensing and spectroscopic galaxy clustering analysis
我们提出的方法,弱引力透镜的联合宇宙学分析的第四次数据发布的ESO千度调查(KiDS-1000)和星系聚类的部分重叠的BOSS和2dFLenS调查。星系位置和椭圆率之间的相互关系已被纳入分析,需要一个混合模型的非线性尺度,混合微扰和非微扰的方法,并评估天体物理效应的贡献。所有弱透镜信号都是通过傅立叶空间统计一致地测量的,傅立叶空间统计对测量掩模不敏感,并显示低水平的模式混合。测光红移分布和乘性引力剪切偏差的校准已经更新,并且更完整的剩余校准不确定性的计数被传播到可能性中。超过20000模拟专用套件是用来评估协方差模型的性能,并量化的影响调查的几何形状和空间变化的调查深度信号和它们的错误。已验证了似然和$χ^2$拟合优度统计量的抽样分布,并对自由度数量进行了拟议变更。基于$S_8=σ_8\,(Ω_{\rm m}/0.3)^{1/2}$的边缘后验的标准弱透镜点估计很容易被误解为有偏低,因此提出了一种新的弱透镜点估计及其可信区间.已知的系统性影响有关弱透镜建模和推断的偏见$S_8$不超过0.1标准差,与警告,没有结论性的验证数据存在模型的内在星系排列。与之前的KiDS分析相比,$S_8$约束预计将单独改善20%,联合分析改善29%。[删节]
2020-12-18 astro-ph.CO astro-ph.IM
Catalog of quasars from the Kilo-Degree Survey Data Release 3
National Centre for Nuclear Research(国家核研究中心);Leiden University(莱顿大学);Center for Theoretical Physics, Polish Academy of Sciences(波兰科学院理论物理中心);Jagiellonian University(雅盖隆大学);Ludwig-Maximilians-Universität(路德维希-马克西米利安大学);INAF – Osservatorio Astronomico di Capodimonte(意大利国家天体物理研究所–卡波迪蒙特天文台);Sun Yat-sen University(中山大学)
我们提出了一个目录的类星体从宽波段光度ugri数据的千度调查数据发布3(KiDS DR 3)。QSO由随机森林(RF)监督机器学习模型识别,在SDSS DR 14光谱数据上训练。我们首先清除输入KiDS数据中具有过度噪声,缺失或其他问题测量的条目。应用特征重要性分析,然后我们调整算法,并在KiDS多波段目录中识别出17个最有用的分类特征,即星等,颜色,星等比和恒星度指数。我们使用t-SNE算法将多维光度数据映射到2D平面上,并比较训练集和推理集的覆盖率。我们将推断集限制为r<22,以避免外推超出训练覆盖的特征空间,因为SDSS光谱样本比KiDS浅得多。这在最终的推断样本中给出了340万个物体,随机森林从中识别出190,000个类星体候选者。97%的准确度,纯度为91%,和87%的完整性,来自从SDSS提取的测试集,而不是在训练中使用,确认与外部光谱和光度类星体目录重叠的KiDS足迹的比较。我们的结果的鲁棒性加强了类星体候选者在r波段的数量计数,以及他们的中红外颜色可从WISE。对我们在盖亚DR 2中发现的类星体候选者的松弛和自行的分析表明,p(类星体)>0.8的概率切割对于纯度是最佳的,而p(类星体)>0.7对于更好的完整性是优选的。我们的研究提出了第一个全面的类星体选择从深高质量的KiDS数据,并将作为通用的研究的基础上检测到的类星体人口的调查。
2019-04-09 astro-ph.CO astro-ph.IM cs.LG
Target and (Astro-)WISE technologies - Data federations and its applications
在2003年首次实施后,Astro-WISE技术已在几个欧洲国家推广,并用于制作KiDS调查数据。在多学科目标倡议中,这项技术,绰号为WISE技术,已被进一步应用于大量项目。在这里,我们重点介绍了其他天文应用程序的数据处理,如VLT-MUSE和LOFAR,以及一些非天文应用程序,如医疗项目生命线和GLIMPS,MONK手写文本识别系统和商业应用程序,其中包括Target Holding。我们描述了一些最重要的经验教训,并描述了应用程序的数据为中心的智慧型的方法,科学地面段的欧几里得卫星。
2016-12-18 astro-ph.IM
The Astro-WISE approach to quality control for astronomical data
我们提出了一种新的方法来处理天文数据的质量控制。Astro-WISE信息系统中的质量控制是数据处理的所有方面不可或缺的,并为从原始图像到最终目录的数据简化的所有阶段提供透明的质量估计。质量控制机制的实现依赖于这个Astro-WISE环境(AWE)的核心功能:面向对象的框架,完整的数据沿袭,以及前向和后向链接。质量控制信息可以通过命令行awe-prompt和基于Web的Quality-WISE服务访问。质量控制系统是利用拉西拉2.2米MPG/ESO望远镜上的8-CCD宽视场成像仪(WFI)仪器(http://www.eso.org/lasilla/instruments/wfi/)的档案数据和帕拉纳尔VST望远镜上的32-CCD OmegaCAM仪器(http://www.astro-wise.org/momegacam/)的(预)测量数据进行说明和鉴定的。
2012-03-26 astro-ph.IM
Astro-WISE Information System
Astro-WISE是一个用于光学图像数据处理的科学信息系统。在本文中,我们回顾了Astro-WISE的主要特点,并描述了该系统的现状。
2011-11-28 astro-ph.IM cs.DL
The Astro-WISE datacentric information system
在本文中,我们提出了各种概念背后的天文智慧信息系统。这些概念构成了通用科学信息系统(WISE)的蓝图,该系统可以满足科学各个领域对数据传播,存储和处理的广泛而具有挑战性的要求。我们回顾了信息系统的主要特点及其实际实施。
2012-08-02 astro-ph.IM
The Data Zoo in Astro-WISE
在本文中,我们描述的方式Astro-WISE信息系统(或简称Astro-WISE)支持的数据,从广泛的仪器,并结合多个调查和他们的目录。Astro-WISE允许从任何光学仪器、测量或目录中输入数据,处理这些数据以创建新的目录,并将来自不同测量的数据带入一个目录,保持所有依赖性回到原始数据。完整的数据沿袭保留在编译新目录的每个步骤中,并能够递归地添加新数据源。有了这些功能,Astro- WISE不仅可以组合和检索来自多个调查的数据,还可以在单个环境中执行科学数据简化和数据挖掘,直到数据处理链中的最原始数据。
2012-08-30 astro-ph.IM
Astro-WISE processing of wide-field images and other data
Astro-WISE是欧洲天文学宽视场成像系统。这是一个科学信息系统,由欧洲十几个研究所联合的硬件和软件组成。它的开发是为了利用天文调查和一般数据密集型科学实验产生的不断增加的雪崩数据。该演示解释了Astro-WISE信息系统的架构,并展示了Astro-WISE接口的使用。宽视场天文图像是根据用户的要求从原始图像到最终星表的衍生。该演示是基于标准的Astro-WISE导游,可以从Astro-WISE网站访问。图中显示了典型的Astro-WISE数据处理链,可用于各种不同仪器的数据处理,目前有14种,包括OmegaCAM、MegaCam、WFI、WFC、ACS/HST等。
2011-11-29 astro-ph.IM cs.DL
The Astro-WISE Optical Image Pipeline: Development and Implementation
我们已经设计并实现了一种新的方法来处理广域天文数据的分布式环境中的硬件资源和人力。该系统的特点是集成了从原始数据、中间数据到最终数据产品的数据归档、校准和校准后分析。这是一个真正的集成,这要归功于从最终目录到原始数据的数据沿袭的完整链接。本文介绍了使用Astro-WISE信息系统(Astro-WISE环境或简称AWE)对WFI(http://www.eso.org/lasilla/instruments/wfi/)和OmegaCAM(http://www.astro-wise.org/Omegacam/)仪器的光学宽视场天文数据进行流水线处理。该信息系统是一个分布在欧洲的硬件资源和人力资源环境。AWE的特点是集成了归档、数据校准、校准后分析以及原始、中间和最终数据产品的归档。真正的集成实现了从原始数据到科学就绪目录出版的完整数据处理周期。该系统对于非常大的数据集的优势在于:调查操作管理,质量控制,校准分析和大规模处理。
2011-10-14 astro-ph.IM
The first and second data releases of the Kilo-Degree Survey
Kilo-Degree Survey(KiDS)是一种宽视场光学成像测量,使用VLT巡天望远镜和OmegaCAM相机进行。KiDS将在四个滤光片(ugri)中成像1500平方度,并与其近红外对应物VIKING一起在九个波段中产生深度测光。设计用于弱透镜形状和光度红移测量,调查的核心科学驱动力是将宇宙中的大尺度物质分布映射回~0.5的红移。次级科学案例是多种多样的,涵盖了星系演化、银河系结构以及高红移星团和类星体的探测等主题。KiDS是ESO的一项公共调查,致力于为天文学界提供来自调查数据的高质量数据产品以及校准数据。公开数据将每年发布一次,此处介绍前两次。总共148块测量瓷砖(约160平方度)经天体测量和光度测量校准的、共同添加的ugri图像已经发布,并附有重量图、掩模、源列表和多波段源目录。一个以Astro-WISE软件系统为基础的专用管道和数据管理系统,结合新开发的屏蔽和源分类软件,用于产生本文所述数据产品的数据。为了验证调查数据,审查了在前两次数据发布的数据产品基础上实现的数据质量和早期科学项目。早期的科学成果包括探测到9个高z类星体,15个候选的强引力透镜,高质量的光度红移和数十万个星系的星系结构参数。(节录)
2015-08-19 astro-ph.CO astro-ph.GA astro-ph.IM
Photometric redshifts for the Kilo-Degree Survey. Machine-learning analysis with artificial neural networks
我们提出了一个机器学习光度红移分析的千度调查数据发布3,使用两个神经网络为基础的技术:ANNz 2和MLPQNA。尽管光谱训练集的覆盖范围有限,但这些ML代码提供的照片z质量与BPZ代码的照片z质量相当(如果不是更好的话),至少高达zphot<0.9且r<23.5。在r<20的明亮端,其中与KiDS重叠的非常完整的光谱数据可用,ML photo-z的性能明显超过BPZ的性能,BPZ是目前KiDS的主要photo-z方法。使用银河和质量大会(GAMA)光谱测量作为校准,我们进一步研究如何photo-z提高明亮的光源时,光度参数附加到幅度包括在photo-z推导,以及当维京和智慧红外波段被添加。虽然基准四波段ugri设置给出了平均z = 0.23的光z偏差$δz=-2e-4$和散射$σ_z<0.022$,但结合星等,颜色和星系大小,散射减少了约7%,偏差减少了一个数量级。一旦ugri和IR星等被加入到12波段光度测量中,跨度高达12 $μ$,散射比基准情况减少10%以上。最后,使用12个波段连同光学颜色和线性尺寸给出$δz<4e-5$和$σ_z<0.019$。本文还作为两个公共的photo-z目录伴随KiDS DR 3,都使用ANNz 2代码获得的参考。第一个是通用的,包括DR 3中所有3900万个具有四波段ugri测量的KiDS源。第二个数据集针对低红移研究(如星系-星系透镜效应)进…
2018-05-11 astro-ph.CO astro-ph.GA astro-ph.IM
Information Systems Playground - The Target Infrastructure, Scaling Astro-WISE into the Petabyte range
Target基础设施是专门为Astro-WISE衍生的信息系统构建的存储和计算基础设施。该基础设施将由在Target项目内的信息系统领域进行协作的多个应用程序使用。它目前由10 PB的存储和数千个计算核心组成。基础设施是根据应用程序的要求构建的。存储由IBM的全局并行文件系统控制。此文件系统通过将具有不同特性的存储硬件组合到单个文件系统中来实现所需的灵活性。它还具有很强的可扩展性,允许系统扩展到未来,同时用新技术替换旧硬件。
2011-10-05 astro-ph.IM cs.DC
Leveraging Data Lineage to Infer Logical Relationships between Astronomical Catalogs
提出了一种新的推理集合之间逻辑关系的方法。这些集合可以是任何元素的集合,例如天体的天文目录。该方法不需要显式地知道集合的内容。它结合了关于集合之间关系的不完全知识来推断先验未知关系。集合之间的关系由布尔超立方体的集合表示。这导致通过将逻辑运算符应用于这些超立方体集合来进行演绎推理。描述了用于有效实现的伪代码。该方法用于Astro-WISE信息系统,以推断天体目录之间的关系。这些目录可以非常大,更重要的是,它们的内容不必在任何时候都可用。科学产品存储在Astro-WISE中,并引用它们所衍生的其他科学产品或它们的依赖关系。这创建了完整的数据谱系,将每个科学产品都链接到原始数据。目录是以最大限度地了解其与依赖关系的方式创建的。所提出的算法是用来确定哪些对象的目录表示利用这些信息。
2012-03-05 astro-ph.IM
The Wide-field Infrared Survey Explorer (WISE): Mission Description and Initial On-orbit Performance
Palomar天文台Schmidt、欧洲南方天文台Schmidt和联合王国Schmidt所做的全天巡天、1000颗红色天文卫星和2微米全天巡天已被证明是极其有用的天文学工具,其价值可持续数十年。2009年12月14日发射的广域红外巡天探测器正在绘制整个天空的地图。WISE于2010年1月14日开始测量天空,并于7月17日完成了首次全面覆盖。该调查将继续第二次覆盖天空,直到冷冻剂耗尽(预计在2010年11月)。WISE在以3.4、4.6、12和22微米波长为中心的波段中,在黄道上的未混淆区域中实现了优于0.08、0.11、1和6 mJy的5 sigma点源灵敏度。由于覆盖更密集和黄道带背景更低,因此对黄道两极的敏感度提高。在3.4、4.6、12和22微米处的角分辨率分别为6.1、6.4、6.5和12.0角秒,对高信噪比源的天体测量精度优于0.15角秒。
2010-11-09 astro-ph.IM
The CRS: a scalable full-stack control system for Microwave Kinetic Inductance Detectors
本文介绍面向 KID 阵列的模块化 CRS 全栈控制与读出系统,展示其硬件、固件、开源软件及可扩展实验表征,并说明其成为 SPT-3G+ 基线读出系统。
2024-06-24 astro-ph.IM
An Optical-UV-IR Survey of the North Celestial Cap: I. The Catalogue
本文介绍了北天帽巡天(NCC Survey,NCCS)的最终成果--北天极10度以内的光学-紫外-红外合并星表。DEC > 80度的NCC区域在现代CCD调查中覆盖不足。巡天的光学部分由WISE天文台的望远镜在V、R和I波段观测,并与GALEX紫外和WISE红外数据合并,产生了星表。在至少一个光学波段观测到400多万个物体。最终的目录包含在所有三个光学波段观测到的约160万个源,其中约140万个有WISE对应源,约30万个有GALEX对应源。与UCAC 3星表比较,光学NCCS数据的天体测量精度优于0.2角秒,与SDSS比较,光度测量精度优于~0.15等,其光源亮度大于V = 20.3,R = 21.0,I = 19.2等。
2014-06-16 astro-ph.CO astro-ph.IM
Target for LOFAR Long Term Archive: Architecture and Implementation
LOFAR长期存档(LTA)是LOFAR望远镜处理数据的多PB级数据存储。我们描述了适应的WISE的概念实现的目标联盟的LOFAR LTA和变化,我们介绍了它,以适应LOFAR数据。本文介绍了一个新的信息系统的基础上创建的Astro-WISE更广泛的范围和规模的数据的例子。
2011-11-28 astro-ph.IM
KISS: instrument description and performance
本文介绍了KISS毫米波相机的仪器特性、校准与数据分析流程,指出仪器与望远镜次优耦合导致响应不足,阻碍星系团探测,但验证了KID干涉仪的可行性并开发了关键技术。
2024-09-30 astro-ph.EP astro-ph.IM
The 2.4 $μ$m Galaxy Luminosity Function as Measured Using WISE. I. Measurement Techniques
天文学界有一个大型的公开光谱星系红移巡天目录,可以用来测量光度函数。利用后目录与新的光度调查,以最大限度地提高效率,需要建模的颜色选择偏见施加在选择目标星系的通量限制在多个波长。原则上,本文导出的似然性可以通过在所有光谱的空间上使用光度函数$Φ(L)$的泛化来解决所有可能的颜色选择偏差:光谱光度泛函$Ψ[L_ν]$。因此,它是第一个能够以一致的方式同时分析多个红移测量的估计器。我们还提出了一种新的方式参数化的经典Shechter函数参数,$L_\star$和$ϕ_\star$,提高了物理现实主义和统计性能的模型的演变。在这项工作中得到的技术将被用于在即将到来的文件中使用宽视场红外巡天探测器(WISE)的$2.4\operatorname{μm}$的静止帧波长测量星系的光度函数。
2018-09-05 astro-ph.CO astro-ph.GA astro-ph.IM
The 2-degree Field Lensing Survey: photometric redshifts from a large new training sample to r<19.5
我们提出了一个新的训练集,用于估计星系的经验光度红移,这是作为2dFLenS项目的一部分创建的。该训练集位于KiDS南场的700平方度区域中,并且是随机选择的,并且在r<19.5时几乎是完整的。基于几种经验方法和模板方法,我们研究了VST-ATLAS的Ugriz光度法和WISE的W1/W2光度法获得的光度红移性能。最好的红移误差与核密度估计,是最低的偏差,这是一致的统计噪声内为零。在r<(15.5,17.5,19.5)时,有限星等样品的红移散射的第68阶谱为(0.014,0.017,0.028)。在这个星等范围内,色红移图中没有已知的模糊性,这与少量的红移异常值相一致。在较暗的区域,KDE方法产生每个星系的p(z)估计,代表无偏和准确的红移频率预期。任何子样本上的p(z)和都与真实的红移频率加上泊松噪声一致。在r<20的情况下,红移精度的进一步提高主要是通过更窄通带的滤光片来提高颜色对红移微小变化的敏感性。
2016-12-01 astro-ph.CO astro-ph.GA astro-ph.IM
MDia and POTS - The Munich Difference Imaging Analysis for the pre-OmegaTranS Project
我们描述了慕尼黑差分成像分析管道,我们开发和实施的Astro-WISE包的框架中,自动测量高精度的光变曲线的大量恒星物体使用的差分成像方法。该软件与探测时间变率的程序相结合,可用于用凌日法搜寻行星系统或双星,以及搜寻不同类型的变星。作为第一个科学应用程序,我们讨论的数据减少和分析与Astro-WISE的前OmegaTransS数据集,我们收集在一个密集的恒星场的监测活动与宽视场成像仪在ESO 2.2米望远镜。
2011-12-09 astro-ph.EP astro-ph.IM astro-ph.SR
Astronomical Surveys and Big Data
本文综述了近年来全天空和大区域天文巡天及其从γ射线到射电的整个电磁波谱范围的星表数据,如γ射线的Fermi-GLAST和INTEGRAL,X射线的ROSAT、XMM和Chandra,紫外的GALEX,SDSS和几个POSS I和II星表(APM,MAPS,USNO,GSC)在光学范围内,2 MASS在近红外,WISE和AKARI IRC在和平号,IRAS和AKARI FIS在远红外,NVSS和FIRST在无线电和许多其他,以及最重要的调查提供光学图像(DSS I和II,SDSS等),自行(Tycho,USNO,Gaia),可变性(GCVS,NSVS,ASAS,Catalina,Pan-STARRS)和光谱数据(FBS,SBS,Case,HQS,HES,SDSS,CALIFA,GAMA)。全面了解整个波长范围的覆盖范围和各种调查之间的比较:星系红移调查,类星体/活动星系核,无线电,银河系结构,和暗能量调查。天文学已经进入大数据时代。天体物理虚拟天文台和计算天体物理在使用和分析大数据以获得新发现方面发挥着重要作用。
2015-11-23 astro-ph.GA astro-ph.IM
Full-depth Coadds of the WISE and First-year NEOWISE-Reactivation Images
近地天体广域红外巡天探测器(NEOWISE)重新激活任务在2015年发布了第一个全年观测数据。该数据集包括W1和W2各约250万次曝光,有效地将3.4和4.6微米处的WISE成像量增加了一倍。我们已经创建了有史以来第一个全天空的coadd集合,结合了AllWISE和NEOWISE-Reactivation(NEOWISER)任务阶段的所有公开可用的W1和W2曝光。我们采用了unWISE图像共加法框架(Lang 2014)的自适应,该框架保留了原生WISE角分辨率,并针对强制测光进行了优化。通过对整个天空进行两次额外的扫描,我们不仅提高了W1/W2深度,而且在很大程度上消除了时间依赖性的伪影,如离轴散射的月光。我们预计,我们的新coadds将有广泛的应用,包括即将到来的光谱宇宙学调查的目标选择,遥远/大质量星系团的识别,并发现高红移类星体。特别是,我们的全深度AllWISE+NEOWISER coadds将成为暗能量光谱仪器(DESI)选择发光红色星系和类星体目标的重要输入。我们的全深度W1/W2共添加器已经在DECam传统勘测(DECaLS)和Mayall z波段传统勘测(MzLS)缩减管道中使用。为了充分利用NEOWISER成像用于太阳系以外的天体物理应用,还有更多的工作要做。
2016-03-17 astro-ph.IM
unWISE Coadds: The Five-year Data Set
我们提出了全天空共同添加的地图,统一结合了前五年的宽视场红外巡天探测器(WISE)和NEOWISE成像在3.4微米(W1)和4.6微米(W2)。通过结合2010-2011年冬眠前WISE暴露和NEOWISE-Reactivation任务冬眠后前四年(2013-2017)的暴露,我们能够提供W1/W2共添加,其时间基线长15倍,并且比标准AllWISE数据产品更深。我们新的五年“全深度”coadds现在是有史以来最深的全天空地图在3-5微米,允许检测源~2倍(~0.7等)比AllWISE在5西格玛的意义。我们还提出了一组更新的“时间分辨”W1/W2 coadds,分别堆叠在每个惯性天空位置的~10个天空通道中的每一个,使运动和变化测量微弱的红外源在一个长~7.5年的时间基线。我们强调了相对于我们以前的“unWISE”coadd版本的新处理改进,重点是天体测量校准和工件标记。这里介绍的深层WISE堆栈已经被用于为暗能量光谱仪(DESI)执行目标选择,我们的全天空联合WISE/NEOWISE产品将成为即将到来的宽场红外任务(包括SPHEREx和NEOCam)的关键前兆数据集。
2019-09-12 astro-ph.IM
A machine learning approach to estimate mid-infrared fluxes from WISE data
本文提出用机器学习方法从WISE数据预测Spitzer中红外流量,通过特征选择和多种回归模型对比,发现extremely randomized trees效果最佳,显著改善了暗源预测并验证了与真实流量的一致性。
2024-11-20 astro-ph.GA astro-ph.IM astro-ph.SR
Query Driven Visualization
将Astro-WISE中请求驱动的数据获取方式扩展为查询驱动的可视化方式。这使科学家能够专注于他们想要执行的科学,因为所有数据的管理都是自动化的。这可以在抽象层上完成,为科学家增强控制和灵活性。
2011-11-29 astro-ph.IM cs.SE
Automated novelty detection in the WISE survey with one-class support vector machines
对以前未知的天空区域或波长区域进行广角测光调查总是会带来意想不到的源,这些源的存在和性质无法从早期的观测中轻易预测:新奇甚至异常。这样的对象可以有效地寻找与新颖性检测算法。在这里,我们提出了这样一种方法,称为一类支持向量机(OCSVM)的应用程序,从覆盖整个天空的中红外AllWISE目录预选源之间的异常模式进行搜索。为了创建预期数据的模型,我们在SDSS DR 13数据库中的一组具有光谱识别的对象上训练算法,该数据库也存在于AllWISE中。OCSVM检测异常的模式-在这种情况下,WISE光度测量-与模型不一致的源。在检测到的异常中,我们发现了人工制品,例如由于混合而具有虚假测光的物体,但最重要的是,也有真正的天体物理学兴趣的真实来源。在后者中,OCSVM已经确定了一个均匀分布在天空中的严重变红的活动星系核/类星体候选者的样本,并且在很大程度上没有出现在其他基于WISE的活动星系核目录中。它还使我们能够找到一组特定的混合类型的源,主要是恒星和紧凑的星系。通过将半监督OCSVM算法与标准分类方法相结合,将有可能通过考虑训练样本中不存在但在目标集中以其他方式良好表示的源来改进后者。异常检测增加了自动源分离程序的灵活性,并有助于验证训练样本的可靠性和代表性。因此,应将其视为监督分类计划的一个重要步骤,以确保所编制目录的完整性和纯度。
2017-07-19 astro-ph.GA astro-ph.IM