Redshift Assessment Infrastructure Layers (RAIL): Rubin-era photometric redshift stress-testing and at-scale production
Este artículo presenta la versión 1 de RAIL, una biblioteca de código abierto en Python desarrollada por la colaboración LSST DESC para la estimación probabilística de redshifts fotométricos a gran escala, que ofrece herramientas modulares para la generación de datos, la estimación de distribuciones de probabilidad y la evaluación de métricas, aplicables más allá de los datos del Observatorio Vera C. Rubin.
The RAIL Team, Jan Luca van den Busch, Eric Charles, Johann Cohen-Tanugi, Alice Crafford, John Franklin Crenshaw, Sylvie Dagoret, Josue De-Santiago, Juan De Vicente, Qianjun Hang, Benjamin Joachimi, Shahab Joudaki, J. Bryce Kalmbach, Arun Kannawadi, Shuang Liang, Olivia Lynn, Alex I. Malz, Rachel Mandelbaum, Grant Merz, Irene Moskowitz, Drew Oldag, Jaime Ruiz-Zapatero, Mubdi Rahman, Markus M. Rau, Samuel J. Schmidt, Jennifer Scora, Raphael Shirley, Benjamin Stölzner, Laura Toribio San Cipriano, Luca Tortorelli, Ziang Yan, Tianqing Zhang, the LSST Dark Energy Science CollaborationFri, 13 Ma🔭 astro-ph