Machine Learning based photometric redshifts for the KiDS ESO DR2 galaxies
Stefano Cavuoti, Massimo Brescia, Crescenzo Tortora, Giuseppe Longo, Nicola R. Napolitano, Mario Radovich, Francesco La Barbera, Massimo Capaccioli, Jelte T. A.… 展开作者
Stefano Cavuoti, Massimo Brescia, Crescenzo Tortora, Giuseppe Longo, Nicola R. Napolitano, Mario Radovich, Francesco La Barbera, Massimo Capaccioli, Jelte T. A. de Jong, Fedor Getman, Aniello Grado, Maurizio Paolillo
我们估计了ESO公共千度巡天（KiDS）数据发布2中超过110万个星系的光度红移（zphot）。KiDS是利用甚大望远镜巡天望远镜（VST）和OmegaCAM相机进行的光学宽视场成像巡天，旨在解决宇宙学和星系演化中的未决问题，如暗能量的起源和星系质量增长的通道。我们提出了一个目录的光度红移获得的多层感知器与拟牛顿算法（MLPQNA）模型，提供的数据挖掘和勘探Web应用资源（DAMEWARE）的框架内。这些光度红移是基于光谱知识库，该知识库是通过合并来自GAMA（星系和质量组装）数据发布2和SDSS-III数据发布9的光谱数据集获得的。Delta z =（zspec - zphot）/（1+ zspec）的总体1 sigma不确定度约为0.03，平均偏差非常小，约为0.001，NMAD约为0.02，灾难性离群值的比例为（|δ z|> 0.15）的约0.4%。
英文摘要：
We estimated photometric redshifts (zphot) for more than 1.1 million galaxies of the ESO Public Kilo-Degree Survey (KiDS) Data Release 2. KiDS is an optical wide-field imaging survey carried out with the VLT Survey Telescope (VST) and the OmegaCAM camera, which aims at tackling open questions in cosmology and galaxy evolution, such as the origin of dark energy and the channel of galaxy mass growth. We present a catalogue of photometric redshifts obtained using the Multi Layer Perceptron with Quasi Newton Algorithm (MLPQNA) model, provided within the framework of the DAta Mining and Exploration Web Application REsource (DAMEWARE). These photometric redshifts are based on a spectroscopic knowledge base which was obtained by merging spectroscopic datasets from GAMA (Galaxy And Mass Assembly) data release 2 and SDSS-III data release 9. The overall 1 sigma uncertainty on Delta z = (zspec - zphot) / (1+ zspec) is ~ 0.03, with a very small average bias of ~ 0.001, a NMAD of ~ 0.02 and a fraction of catastrophic outliers (| Delta z | > 0.15) of ~0.4%.
Statistical analysis of probability density functions for photometric redshifts through the KiDS-ESO-DR3 galaxies
尽管使用机器学习（ML）方法获得的光度红移（zphot）的精度很高，但通过可靠和准确的概率密度函数（PDF）量化误差仍然是一个悬而未决的问题。首先，因为难以准确地评估来自不同误差源的贡献，即来自方法本身内部和来自定义可用参数空间的光度特征。第二，因为定义一个鲁棒的统计方法的问题，总是能够量化和定性的PDF估计的有效性，仍然是一个悬而未决的问题。我们对同一数据集上使用三种不同方法获得的PDF进行了比较：两种ML技术，METAPHOR（用于精确PHOtometric红移的机器学习估计工具）和ANNz 2，以及光谱能量分布模板拟合方法BPZ。光度数据来自KiDS（Kilo Degree Survey）ESO Data Release 3，而光谱数据来自GAMA（Galaxy and Mass Assembly）Data Release 2。通过定量和定性估计器（包括虚拟PDF）对单个和堆叠PDF进行统计评估，可用于验证不同的统计估计器是否可以正确评估PDF质量。我们的结论是，为了量化的可靠性和准确性的任何zphot PDF方法，一组组合的统计估计是必需的。
Astro-WISE for KiDS survey production and quality control
Kilo Degree Survey（KiDS）是一个1500平方度的光学成像调查，最近委托VLT巡天望远镜（VST）上的OmegaCAM宽视场成像仪。KiDS调查团队将向ESO和社区提供一套数据产品。KiDS团队遍布欧洲，使用Astro-WISE进行高效协作并共享硬件资源。在Astro-WISE中，团队共享、校准和存档所有测量数据。以数据为中心的架构设计实现了一个动态的“实时存档”，其中，新的KiDS调查产品可以以灵活可控的方式与团队共享，并最终与整个天文学界共享
Kilo Degree Survey（KiDS）是一个1500平方度的光学成像调查，最近委托VLT巡天望远镜（VST）上的OmegaCAM宽视场成像仪。KiDS调查小组将向欧洲南方天文台（ESO）和社区提供一套数据产品。KiDS团队遍布欧洲，使用Astro-WISE进行高效协作并共享硬件资源。在Astro-WISE中，团队共享、校准和存档所有测量数据。以数据为中心的架构设计实现了动态的“实时档案”，其中质量更高的新KiDS调查产品可以以灵活且可控的方式与团队并最终与整个天文社区共享。
Photometric Redshift Calibration with Self Organising Maps
精确的测光红移校准是从宇宙剪切调查的所有宇宙学约束的鲁棒性的核心。对KiDS的分析重新加权了来自所有重叠光谱调查的训练样本，以提供直接的红移校准。使用自组织映射（SOM），我们证明了这种光谱编译是足够完整的KiDS，代表$99\%$的有效的二维宇宙剪切样本。我们使用SOM来定义一个$100\%$代表“金”宇宙剪切样本，每个层析箱。使用模拟模拟KiDS和光谱训练集，我们估计的不确定性的SOM红移校准，并发现光度噪声，样本方差，光谱选择效应（包括红移和幅度不完整性）诱导合并的最大散射的红移分布重建（$Δ\langle z \rangle=\langle z \rangle_{\rm est}-\langle z \rangle_{\rm true}$）的偏差$σ_{Δ\langle z \rangle} \leq 0.006$在所有的层析箱。我们表明，SOM校准是无偏的情况下，无噪声测光和完全代表性的光谱数据集，从理论上预期。在我们的模拟数据中包括光度噪声和光谱选择效应引入了最大偏差$Δ\langle z \rangle =0.013\pm0.006$，或$97.5\%$置信度下的$Δ\langle z \rangle \leq 0.025$，一旦质量标志已应用于SOM。这里提出的方法是一个显着的改进，以前采用的直接红移校准实施KiDS，由于其诊断和质量保证能力。在未来的宇宙剪切研究中…
From DES to KiDS: Domain adaptation for cross-survey detection of low-surface-brightness galaxies
National Centre for Nuclear Research（国家核研究中心）；Universidad de Valladolid（巴利亚多利德大学）；Laboratory for Disruptive Interdisciplinary Science (LaDIS)（颠覆性跨学科科学实验室）；Instituto de Astrofísica de Canarias（加那利天体物理研究所）；Universidad de La Laguna（拉古纳大学）
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。
我们描述了下一代过境调查（NGTS），这是一个基于地面的项目，寻找围绕明亮恒星运行的系外行星。NGTS建立在以前调查的基础上，最著名的是WASP，旨在实现更高的光度精度，从而找到比以前从地面探测到的更小的行星。它还在红光下工作，最大限度地提高了对K晚期和M早期矮星的灵敏度。调查规格要求在100平方度的瞬时视场内红光下的光度精度为0.1%，从而能够探测类太阳恒星周围的海王星大小的系外行星和M矮星周围的超级地球。该调查是在智利Cerro Paranal的一个专门建造的设施中进行的，该设施是欧洲南方天文台（ESO）的首要站点。12个20 cm f/2.8望远镜阵列配备背照式深耗尽CCD相机，用于在银河系中纬度地区密集调查领域。该仪器也非常适合从TESS，Gaia和PLATO等空间望远镜对系外行星候选者进行地面光度跟踪。我们目前的意见，结合精确的自动制导和精湛的观测条件在Paranal提供例行光度精度为0.1%，在1小时内的恒星与I波段亮度超过13。我们描述了仪器和数据分析方法以及调查的现状，该调查于2015年首次亮相，并于2016年开始全面调查。NGTS数据将通过ESO档案公开提供。
