The LSST DESC Data Challenge 1: Generation and Analysis of Synthetic Images for Next Generation Surveys
F. Javier Sánchez, Chris W. Walter, Humna Awan, James Chiang, Scott F. Daniel, Eric Gawiser, Tom Glanzman, David P. Kirkby, Rachel Mandelbaum, Anže Slosar, W. M… 展开作者
F. Javier Sánchez, Chris W. Walter, Humna Awan, James Chiang, Scott F. Daniel, Eric Gawiser, Tom Glanzman, David P. Kirkby, Rachel Mandelbaum, Anže Slosar, W. Michael Wood-Vasey, Yusra AlSayyad, Colin J. Burke, Seth W. Digel, Mike Jarvis, Tony Johnson, Heather Kelly, Simon Krughoff, Robert H. Lupton, Phil J. Marshall, John R. Peterson, Paul A. Price, Glenn Sembroski, Brian Van Klaveren, Matthew P. Wiesner, Bo Xin
Data Challenge 1 (DC1) is the first synthetic dataset produced by the Rubin Observatory Legacy Survey of Space and Time (LSST) Dark Energy Science Collaboration (DESC). DC1 is designed to develop and validate data reduction and analysis and to study the impact of systematic effects that will affect the LSST dataset. DC1 is comprised of $r$-band observations of 40 deg$^{2}$ to 10-year LSST depth. We present each stage of the simulation and analysis process: a) generation, by synthesizing sources from cosmological N-body simulations in individual sensor-visit images with different observing conditions; b) reduction using a development version of the LSST Science Pipelines; and c) matching to the input cosmological catalog for validation and testing. We verify that testable LSST requirements pass within the fidelity of DC1. We establish a selection procedure that produces a sufficiently clean extragalactic sample for clustering analyses and we discuss residual sample contamination, including contributions from inefficiency in star-galaxy separation and imperfect deblending. We compute the galaxy power spectrum on the simulated field and conclude that: i) survey properties have an impact of 50\% of the statistical uncertainty for the scales and models used in DC1 ii) a selection to eliminate artifacts in the catalogs is necessary to avoid biases in the measured clustering; iii) the presence of bright objects has a significant impact (2- to 6-$σ$) in the estimated power spectra at small scales ($\ell > 1200$), highlighting the impact of blending in studies at small angular scales in LSST;
A Joint Roman Space Telescope and Rubin Observatory Synthetic Wide-Field Imaging Survey
我们提出并验证了20度$^2$的重叠合成成像调查，代表了南希格雷斯罗马空间望远镜高纬度成像调查（HLIS）的全深度和五年的观察维拉C。Rubin Observatory Legacy Survey of Space and Time（鲁宾天文台时空遗产巡天）这两个综合调查进行了总结，参考现有的300度$^2$的LSST模拟成像的一部分，暗能量科学合作（DESC）数据挑战2（DC 2）。这两次合成巡天观测到的是同一个模拟的DESC DC 2宇宙。对于合成罗马调查，我们首次模拟了全彩色图像以及使用飞行探测器从实验室测量中获得的传感器芯片组件的详细物理特性。模拟成像和所得到的物体光度特性的像素级测量跨越$\sim$ 0.3至2.0 $μ$ m的波长范围。我们还描述了罗马模拟管道的更新，相对于原始DC 2模拟的天体物理对象模拟方式的变化，以及由此产生的模拟罗马数据产品。我们使用这些模拟来探索LSST图像中未识别的混合物的相对比例，发现在LSST图像中识别的$i$波段亮度大于25的对象中有20-30%可以被识别为罗马图像中的多个对象。这些模拟为2020年代后半期开发和验证地基和天基成像数据集的像素级联合分析技术-特别是Roman-LSST联合分析-提供了一个独特的试验场。
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。
DB-Bench: Benchmarking Deblenders for LSST DESC Using the Blending ToolKit
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；National Center for Supercomputing Applications, University of Illinois at Urbana-Champaign（美国国家超级计算应用中心，伊利诺伊大学厄巴纳-香槟分校）；Center for Artificial Intelligence Innovation, University of Illinois at Urbana-Champaign（人工智能创新中心，伊利诺伊大学厄巴纳-香槟分校）；Université Paris Cité（巴黎西岱大学）；CNRS（法国国家科学研究中心）；CEA（法国原子能和替代能源委员会）
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。
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。
Rubin LSST observing strategies to maximize volume and uniformity coverage of Star Forming Regions in the Galactic Plane
在全天巡天时代，绘制银河系最年轻的恒星星族的完整地图是现代天体物理学中最具挑战性的目标之一。最年轻的恒星组成部分的特性是至关重要的，不仅对银河系结构的全球概览，银河系薄盘，其旋臂，但也为当地的研究。事实上，恒星形成区（SFR）的识别以及与它们形成的环境的比较，对于将它们置于周围巨大分子云的背景下以及理解与恒星和行星形成过程相关的未知物理机制也是至关重要的。在10年的观察中，Vera C. Rubin Legacy Survey of Space and Time（Rubin-LSST）将实现精致的光度深度，这将使我们能够显着扩展我们能够发现新SFR的体积，并扩大我们自己的银河系的详细知识领域。本文描述了一个度量，它估计了< 10 Myr and masses >Rubin LSST观测在5 σ星等显著性的GRI带中将探测到的年龄为t 0.3 M $_\odot$的年轻恒星的总数。我们采用最新的模拟Rubin-LSST调查策略来检查我们的指标结果，以评估不同的观察策略可能对我们的科学案例产生的影响。
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）
On possible proxies of AGN light curves cadence selection in future time domain surveys
受即将到来的光度和光谱调查的启发（Vera C. Rubin Observatory Legacy Survey of Space and Time（LSST），Manuakea Spectroscopic Explorer），设计了统计代理函数来测量活动星系核（AGN）的变化-可观测量（时滞、周期性和结构函数（SF））的韵律效应。我们构建了一个多元回归模型，统计识别的节奏形式的错误模式，知道AGN的时间滞后和周期性从不同的调查。我们定义了简单的度量SF的属性，占“观察到的”SF的偏差相对于那些从均匀采样的光变曲线。我们测试了不同的观测策略的回归模型：8个AGN的长光变曲线的光学数据集的特点和人工数据集的基础上几个理想化的LSST的节奏。在合成数据集上评估SFs度量。回归模型（对于两种数据类型）预测时滞和振荡检测的节奏相似，而对于具有低可变性的光变曲线（$\sim 10\%$），振荡检测的节奏不同。对于较高变异性（$\sim20\%$），预测的节奏大于$F_{var}\sim 10\%$。预测的节奏是减少红移。具有密集和同质节奏的SF更有可能表现出类似的行为。具有振荡信号的SF对节奏敏感，可能影响LSST样操作策略。建议的代理人可以帮助选择光谱和光度测量的节奏策略，他们将在更大的对象样本进行进一步测试。
The Photometric LSST Astronomical Time-series Classification Challenge (PLAsTiCC): Selection of a performance metric for classification probabilities balancing diverse science goals
Prospects for Astrobiology and Technosignature Searches with the Vera C. Rubin Observatory Legacy Survey of Space and Time
University of Belgrade（贝尔格莱德大学）；School of Physics and Astronomy, University of Kent（肯特大学物理与天文学院）；Fermi National Accelerator Laboratory（费米国家加速器实验室）；Department of Astronomy and Astrophysics, University of Chicago（芝加哥大学天体物理学系）
Redshift Assessment Infrastructure Layers (RAIL): Rubin-era photometric redshift stress-testing and at-scale production
Ruhr University Bochum（鲁尔大学波鸿）；SLAC National Accelerator Laboratory（斯坦福直线加速器中心）；Kavli Institute for Particle Astrophysics and Cosmology (KIPAC), Stanford University（卡弗里粒子天体物理与宇宙学研究所，斯坦福大学）；Université Clermont-Auvergne, CNRS, LPCA（克莱蒙奥弗涅大学，法国国家科学研究中心，LPCA）；McWilliams Center for Cosmology and Astrophysics, Department of Physics, Carnegie Mellon University（梅斯威尔宇宙学与天体物理中心，卡内基梅隆大学物理系）
RAIL 是一个开源 Python 库，用于大规模概率光度红移估计，提供模块化工具进行端到端压力测试和红移 PDF 估算，适用于多种科学目标。
Direct geometrical measurement of the Hubble constant from galaxy parallax: predictions for the Vera C. Rubin Observatory and Nancy Grace Roman Space Telescope
Extreme Scale Survey Simulation with Python Workflows
维拉C。Rubin Observatory Legacy Survey of Space and Time（LSST）将很快在多个光学波段对天空进行前所未有的广泛，快速和深入的调查。LSST的数据将在天文学和宇宙学中开辟一个新的发现空间，同时为解决当今的热点问题提供线索，例如暗能量的起源和暗物质的性质，同时产生的数据反过来又会提出新的问题。为了迎接即将到来的这一非凡数据集，相关科学团体必须能够开发出分析它所需的软件，现在可用的计算能力使我们能够生成合成数据集，这些数据集可以用作这种努力的现实训练场。这项工作提出了自己的挑战-需要生成非常大的夜空模拟，将模拟活动扩展到具有不同架构的多个计算中心的大量计算节点，并围绕内存要求和广泛变化的挂钟时间优化复杂的工作负载。我们在这里描述了一个大规模的工作流，它将Python代码融合在一起来引导工作流，Parsl管理工作流组件的大规模分布式执行，容器在多个站点上执行图像模拟活动。利用这些工具，我们开发了一个极端规模的计算框架，并使用它来模拟300平方度天空区域的五年观测。我们描述了我们的经验和教训，在开发这种工作流的能力，并强调如何的可扩展性和可移植性，我们的方法使我们能够有效地执行它高达4000个计算节点上的两台超级计算机。
