Dark energy reconstruction analysis with artificial neural networks: Application on simulated Supernova Ia data from Rubin Observatory
National Center for Supercomputing Applications, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校国家超级计算应用中心）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Kazakh-British Technical University（哈萨克-英国技术大学）；Instituto de Ciencias Físicas, Universidad Nacional Autónoma de México（墨西哥国立自治大学物理科学研究所）；University of Geneva（日内瓦大学）；University of Thessaly（塞萨利大学）
Ayan Mitra, Isidro Gómez-Vargas, Vasilios Zarikas
备注：
14 Pages, 5 figures; matches the version published in Physics of the Dark Universe
In this paper, we present an analysis of Supernova Ia (SNIa) distance moduli $μ(z)$ and dark energy using an Artificial Neural Network (ANN) reconstruction based on LSST simulated three-year SNIa data. The ANNs employed in this study utilize genetic algorithms for hyperparameter tuning and Monte Carlo Dropout for predictions. Our ANN reconstruction architecture is capable of modeling both the distance moduli and their associated statistical errors given redshift values. We compare the performance of the ANN-based reconstruction with two theoretical dark energy models: $Λ$CDM and Chevallier-Linder-Polarski (CPL). Bayesian analysis is conducted for these theoretical models using the LSST simulations and compared with observations from Pantheon and Pantheon+ SNIa real data. We demonstrate that our model-independent ANN reconstruction is consistent with both theoretical models. Performance metrics and statistical tests reveal that the ANN produces distance modulus estimates that align well with the LSST dataset and exhibit only minor discrepancies with $Λ$CDM and CPL.
Investigation and Mitigation of a Prominent Off-Axis Stray Light Path in Rubin Observatory Commissioning
Fermi National Accelerator Laboratory（费米国家加速器实验室）；University of Chicago（芝加哥大学）；INAF Osservatorio di Astrofisica e Scienza dello Spazio Bologna（意大利国家天体物理研究所博洛尼亚天文与空间科学观测站）；University of Bologna（博洛尼亚大学）；SLAC National Accelerator Laboratory（SLAC国家加速器实验室）；NSF-DOE Vera C. Rubin Observatory / NSF NOIRLab（美国国家科学基金会-能源部维拉·C·鲁宾天文台/美国国家科学基金会NOIR实验室）；Princeton University（普林斯顿大学）；University of Hertfordshire（赫特福德大学）
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。
Skykatana: a scalable framework to construct sky masks for the Vera Rubin Observatory and large astronomical surveys
Instituto de Ciencias Astronómicas, de la Tierra y del Espacio (ICATE), Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET)（地球与空间天文科学研究所 (ICATE)，阿根廷国家科学研究委员会 (CONICET)）；Facultad de Ciencias Exactas, Físicas y Naturales (FCEFYN-UNSJ), Universidad Nacional de San Juan（圣胡安国立大学精确、物理与自然科学学院 (FCEFYN-UNSJ)）；Instituto de Astronomía Teórica y Experimental (IATE), Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET)（理论与实验天文学研究所 (IATE)，阿根廷国家科学研究委员会 (CONICET)）；Observatorio Astronómico Córdoba , Universidad Nacional de Córdoba（科尔多瓦天文台，科尔多瓦国立大学）
IRMaGiC: Extending Luminous Red Galaxy Selection into the Infrared with Joint Rubin Observatory's Large Survey of Space Time and Roman's High Latitude Imaging Survey
Duke University（杜克大学）；SLAC National Accelerator Laboratory（斯坦福直线加速器中心）；Stanford University（斯坦福大学）
Direct geometrical measurement of the Hubble constant from galaxy parallax: predictions for the Vera C. Rubin Observatory and Nancy Grace Roman Space Telescope
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。
Synergies between Vera C. Rubin Observatory, Nancy Grace Roman Space Telescope, and Euclid Mission: Constraining Dark Energy with Type Ia Supernovae
我们回顾了超新星社区的需求，以改善调查协调和数据共享，这将显着提高暗能量的限制，使用样本的Ia型超新星从维拉C。鲁宾天文台、\textit{Nancy Grace Roman Space Telescope}和\textit{Euclid}任务。我们讨论的统计和系统的精度，从这些实验的观察相结合，将使改进。例如，协调将导致改进的光度校准，红移测量，以及超新星距离。我们还讨论了现在应该建立什么样的团队和计划来开始为这些组合数据集做准备。具体而言，我们要求在实地选择和调查操作、光度校准、光谱跟踪、像素级处理和计算方面进行协调努力。这些努力将不仅有利于Ia型超新星的实验，而且有利于所有时域研究，以及具有多信使天体物理学的宇宙学。
Strongly Lensed Supernovae in Well-Studied Galaxy Clusters with the Vera C. Rubin Observatory
星系团的强透镜效应可以用来显著扩大观测范围，从而可以观测到放大的高红移超新星，否则这些超新星将无法被发现。强透镜效应也可以提供位于星系团后面的星系的多重图像。探测强透镜Ia型超新星（SNe Ia）是特别有用的，因为它们的亮度可以被用来改进星团透镜模型或独立测量宇宙学参数。宇宙学参数，哈勃常数，是特别感兴趣的，因为它的值与不同的方法测量的差异。在这里，我们探讨的可行性，维拉C。Rubin Observatory Legacy Survey of Space and Time（LSST）在五个星系团（Abell 1689和哈勃前沿场星系团）中探测强透镜SNe，这些星系团具有经过充分研究的透镜模型。对5个星系团场中的268幅多重星系像所组成的88个系统进行分析，发现LSST对SNe~Ia（SNe~IIP）爆炸敏感的星系有41（23）幅。这些星系的红移范围在$1.01 < z < 3.05$之间。在其10年的运行期间，LSST预计将探测到$0.2\pm0.1$ SN~Ia和$0.9\pm0.3$堆芯塌陷SN ~ e。然而，由于LSST将观测到更多的大质量星系团，因此期望值可能更高。我们强调的重要性，有一个额外的观测计划的光度和光谱的后续强透镜SNE探测LSST。
Cosmology Requirements on Supernova Photometric Redshift Systematics for Rubin LSST and Roman Space Telescope
在即将到来的广域时域调查中，将发现和监测大约100万颗Ia型超新星（SN），如Vera C。Rubin Observatory Legacy Survey of Space and Time（鲁宾天文台时空遗产巡天）对于宇宙学的应用，除了其他特性外，还需要精确的红移;然而绝大多数SN不会有光谱红移，即使是对于它们的宿主星系，也只有光度红移。我们评估了红移系统控制必要的强大的宇宙学。基于由机器学习产生的光度与真实红移关系，应用于LSST质量观察到的50万个星系的模拟，我们量化了平均关系和异常值分数和偏差中的系统学要求，以便不偏向暗能量宇宙学推断。某些红移范围是特别敏感的，激发了SN在$z\lesssim0.2$和$z\approx0.5$-0.6附近的光谱跟踪。包括Nancy Grace Roman太空望远镜近红外波段的模拟中，我们重新分析的约束，发现在高红移的改善，但很少在低红移的系统学导致强烈的宇宙学偏见。我们确定了一个完整的光谱调查SN主机星系$z\lesssim0.2$作为一个非常有利的元素强大的SN宇宙学。
Bayesian Neural Networks for classification tasks in the Rubin big data era
即将进行的调查，如维拉C。Rubin Observatory Legacy Survey of Space and Time（LSST）计划将在未来10年内，每晚探测到1000万个随时间变化的源。这些信息将以连续流的形式传输给经纪人，经纪人将使用机器学习算法为各种科学案例选择最有希望的事件。我们研究了贝叶斯神经网络（BNN）在这类分类任务中的优势和挑战。BNN被发现是准确的分类器，也提供了额外的信息：它们量化了分类的不确定性，可以利用这些不确定性来更有效地分析即将到来的数据雪崩。
The Physical Origin of Dark Energy Constraints from Rubin Observatory and CMB-S4 Lensing Tomography
我们试图澄清的起源约束的暗能量状态方程参数的CMB透镜层析，即结合星系团簇和星系的互相关与CMB透镜在一些红移箱。特别地，我们考虑了两点关联函数，它可以由星系位置表和来自Vera C的光度红移构成。Rubin Observatory Legacy Survey of Space and Time（LSST）和CMB Lensing Map来自CMB-S4实验。我们专注于分析理解的约束的起源。这些数据中的暗能量信息来自于三个主要关系的影响：距离作为红移的函数（几何），功率谱的振幅作为红移的函数（增长），以及功率谱作为波数的函数（形状）。我们发现，几何形状和生长的影响起着重要的作用，部分相互抵消，而形状的影响是不重要的。我们还表明，暗能量任务组（DETF）的品质因数（FoM）的预测相结合的LSST星系和CMB-S4透镜的预测宇宙剪切的情况下的CMB透镜图，从而提供了一个重要的独立检查。与单独使用LSST星系的预测相比，结合CMB透镜和LSST聚类信息（连同主CMB光谱），在系统性完全受控的乐观情况下，FoM大约增加了3-4倍。我们警告说，实现这些预测可能需要对高阶偏置，光度红移不确定性进行全面分析，并严格控制其他系统限制，这些都超出了这项工作的范围，其主要目的是阐明约束的物理起源。
Fast Radio Bursts in the Era of the Vera C. Rubin Observatory's Legacy Survey of Space and Time
International Centre for Radio Astronomy Research, Curtin University（国际无线电天文研究中心，科廷大学）；Instituto de Física, Universidade Federal do Rio Grande do Sul (UFRGS)（南里奥格兰德联邦大学物理研究所）；Australia Telescope National Facility, CSIRO Space & Astronomy（澳大利亚望远镜国家设施，CSIRO空间与天文学部）；Sydney Institute for Astronomy, School of Physics, The University of Sydney（悉尼大学物理学院悉尼天体物理研究所）；Department of Physics, University of Washington（华盛顿大学物理系）；Centre for Astrophysics and Supercomputing, Swinburne University of Technology（斯威本科技大学天体物理学与超级计算中心）；Kavli IPMU (WPI), UTIAS, The University of Tokyo（东京大学宇宙起源研究核心理论中心（ Kavli IPMU））；School of Mathematical and Physical Sciences, Macquarie University（麦考瑞大学数理科学学院）；Department of Physics, University of Oxford（牛津大学物理系）
A First Measurement of Circumgalactic Dust Reddening from Only 4.6 deg$^2$ of the Rubin Observatory's Data Preview 1
Kavli Institute of Particle Astrophysics and Cosmology, USA（美国卡弗里粒子天体物理与宇宙学研究所）；Department of Physics, Stanford University, Stanford, CA 94305-4085, USA（斯坦福大学物理系）；SLAC National Accelerator Laboratory, 2575 Sand Hill Road, Menlo Park, CA 94025, USA（SLAC国家加速器实验室）；Department of Astronomy, University of Washington, Seattle, WA 98195, USA（华盛顿大学天文学系）
Nearby Supernova Rates from the Lick Observatory Supernova Search. II. The Observed Luminosity Functions and Fractions of Supernovae in a Complete Sample
Calibration-Induced Systematics in SALT3 Training and Their Impact on Dark Energy Constraints from Stage IV Supernova Surveys
Duke University（杜克大学）；University of Hawai’i（夏威夷大学）；University of Chicago（芝加哥大学）；Stockholm University（斯德哥尔摩大学）；Stanford University（斯坦福大学）；SLAC National Accelerator Laboratory（SLAC国家加速器实验室）；University of Oxford（牛津大学）；University of Michigan（密歇根大学）；Baylor University（贝勒大学）；Boston University（波士顿大学）
LOSS Revisited - I: Unraveling correlations between supernova rates and galaxy properties, as measured in a reanalysis of the Lick Observatory Supernova Search
Nearby Supernova Rates from the Lick Observatory Supernova Search. III. The Rate-Size Relation, and the Rates as a Function of Galaxy Hubble Type and Colour
