Identification of single spectral lines through supervised machine learning in a large HST survey (WISP): a pilot study for Euclid and WFIRST
I. Baronchelli, C. M. Scarlata, G. Rodighiero, L. Rodríguez-Muñoz, M. Bonato, M. Bagley, A. Henry, M. Rafelski, M. Malkan, J. Colbert, Y. S. Dai, H. Dickinson, … 展开作者
I. Baronchelli, C. M. Scarlata, G. Rodighiero, L. Rodríguez-Muñoz, M. Bonato, M. Bagley, A. Henry, M. Rafelski, M. Malkan, J. Colbert, Y. S. Dai, H. Dickinson, C. Mancini, V. Mehta, L. Morselli, H. I. Teplitz
Future surveys focusing on understanding the nature of dark energy (e.g., Euclid and WFIRST) will cover large fractions of the extragalactic sky in near-IR slitless spectroscopy. These surveys will detect a large number of galaxies that will have only one emission line in the covered spectral range. In order to maximize the scientific return of these missions, it is imperative that single emission lines are correctly identified. Using a supervised machine-learning approach, we classified a sample of single emission lines extracted from the WFC3 IR Spectroscopic Parallel survey (WISP), one of the closest existing analogs to future slitless surveys. Our automatic software integrates a SED fitting strategy with additional independent sources of information. We calibrated it and tested it on a "gold" sample of securely identified objects with multiple lines detected. The algorithm correctly classifies real emission lines with an accuracy of 82.6%, whereas the accuracy of the SED fitting technique alone is low (~50%) due to the limited amount of photometric data available (<=6 bands). While not specifically designed for the Euclid and WFIRST surveys, the algorithm represents an important precursor of similar algorithms to be used in these future missions.
Bubble mapping with the Square Kilometer Array -- I. Detecting galaxies with Euclid, JWST, WFIRST and ELT within ionized bubbles in the intergalactic medium at z>6
Identification of single spectral lines in large spectroscopic surveys using UMLAUT: an Unsupervised Machine Learning Algorithm based on Unbiased Topology
当多个光谱特征在同一光谱中清晰可见时,发射线的识别是明确的。然而,在许多情况下,只检测到一条谱线,这使得很难正确地确定红移。我们开发了一种基于无偏拓扑(UMLAUT)的免费无监督机器学习算法,可用于各种各样的环境,包括识别单发射线。为此,该算法结合了不同的信息来源,如发射源的视星等、大小和颜色,以及检测到的线的等效宽度和波长。在每种特定情况下,算法自动识别最相关的(即,能够最小化与输出参数相关联的色散的那些)。输出可以很容易地集成到不同的算法中,使我们能够结合监督和无监督技术,并提高整体准确性。我们在WISP(WFC3 IR Spectroscopic Parallel)调查数据上测试了我们的软件。WISP代表了一个最接近现有的类似近红外光谱调查,将由未来的欧几里得和罗马的任务。这些飞行任务将调查宇宙的大尺度结构,方法是用近红外无狭缝光谱法测量河外天空的一大部分,探测单个发射谱线的相关部分。在我们的测试中,UMLAUT在83.2%的情况下正确识别了真实的线条。当将我们的无监督方法与我们以前开发的监督方法相结合时,准确率略高(84.4%)。
The Number Density Evolution of Extreme Emission Line Galaxies in 3D-HST: Results from a Novel Automated Line Search Technique for Slitless Spectroscopy
Cosmic Shear as a Probe of Galaxy Formation Physics
我们评估了当前和未来的宇宙剪切测量的潜力,从大星系的调查,以限制重子物理的物质功率谱的影响。我们这样做,使用一个模型无关的参数化,描述了从暗物质的情况下,作为一组主要成分,是本地化的波数和红移的物质功率谱的偏差。我们对各种当前和未来的数据集进行预测,发现这些数据集至少有90%的约束力包含在不超过9个主成分中。不同调查的约束力可以使用相对于现有调查定义的优值来量化。有了这个度量,我们发现最终的暗能量调查数据集(DES Y5)和超超级凸轮调查将比现有的数据在约束重子效应方面大约强一个数量级。即将到来的第四阶段调查(LSST,Euclid和WFIRST)将进一步改善这一点。我们表明,这一结论是强大的边缘化几个关键的系统。宇宙剪切对星系形成的最终约束力取决于对小尺度(亚弧分)剪切测量系统学的理解。如果这些系统可以得到充分的控制,宇宙剪切测量DES Y 5和其他未来的调查有可能提供一个非常干净的探测星系形成,并强烈约束了广泛的预测从现代流体动力学模拟。
Science Impacts of the SPHEREx All-Sky Optical to Near-Infrared Spectral Survey: Report of a Community Workshop Examining Extragalactic, Galactic, Stellar and Planetary Science
SPHEREx是一个被选定为A阶段的SMEX任务。SPHEREx将进行第一次全天空光谱巡天,为每6.2”像素提供0.75至4.18 $μ$ m [R $\sim$ 41.4]和4.18至5.00 $μ$ m [R $\sim$ 135]的光谱。SPHEREx团队提出了三个具体的科学调查,以进行这一独特的数据集:宇宙暴胀,星际和星周冰,以及银河系外的背景光。然而,很明显,天体物理学和行星科学中的许多其他问题可以通过SPHEREx数据来解决。SPHEREx团队于2016年2月召开了一次社区研讨会,旨在寻求更多科学家的帮助来定义这些问题。本文总结了丰富多样的调查菜单。它包括研究主带和特洛伊/希腊小行星的组成;以前所未有的空间和光谱分辨率绘制黄道光图;查明和研究金属量极低的恒星;改进恒星参数,以便更好地确定凌日系外行星的特征;研究星际介质中的脂肪族和芳香族含碳分子;绘制邻近星系的恒星形成率图;确定星系团的红移;在整个天空中识别高红移类星体;并为大多数eROSITA X射线源提供近红外光谱。所有这些研究,以及这里没有列出的其他研究,都可以用SPHEREx产生的标称全天光谱进行。此外,研讨会确定了增强的数据产品和用户工具,这将有助于其中一些科学研究。最后,讲习班注意到SPHEREx与其他一些目前或即将实施的计划之间的高度协同作用,包括JWST、WFIRST、Euclid、GAIA、K2/Kep…