Photometric Redshift Estimation for Rubin Observatory Data Preview 1 with Redshift Assessment Infrastructure Layers (RAIL)

Resumen Técnico: Estimación del Desplazamiento al Rojo Fotométrico para el Previsualización de Datos 1 del Observatorio Rubin con Capas de Infraestructura de Evaluación de Desplazamiento al Rojo (RAIL)

Planteamiento del Problema
El Legacy Survey of Space and Time (LSST) del Observatorio Vera C. Rubin tiene como objetivo investigar la energía oscura mediante lentes gravitacionales débiles, estructura a gran escala y supernovas. Estas sondas cosmológicas requieren desplazamientos al rojo fotométricos ($z_{phot}$) precisos y exactos para miles de millones de galaxias para seleccionar muestras, definir contenedores tomográficos e inferir distribuciones de desplazamiento al rojo de conjunto ($n(z)$). La Previsualización de Datos 1 (DP1) del Observatorio Rubin, que utiliza la Cámara de Comisionamiento del LSST (LSSTComCam), proporciona los primeros datos observacionales reales para validar los procesos de los canales de procesamiento. Este artículo aborda el desafío de estimar el $z_{phot}$ a partir de los datos de DP1, evaluando el rendimiento de varios algoritmos y estableciendo una línea base para las futuras operaciones del LSST.

Metodología
El estudio emplea el marco de trabajo Redshift Assessment Infrastructure Layers (RAIL) para aplicar ocho algoritmos distintos de $z_{phot}$ a la fotometría de DP1. El análisis se centra en dos campos principales:

1. Extended Chandra Deep Field South (ECDFS): Utilizando cobertura profunda de $ugrizy$ (6 bandas).
2. Rubin_SV_38_7: Utilizando cobertura de $griz$ (4 bandas).

Preparación de Datos:

• Fotometría de Entrada: Los autores utilizan flujos Gaap1p0 (Apertura Gaussiana de 1") del catálogo de objetos coadd de DP1.
• Selección: Las galaxias se seleccionan con un SNR de flujo de la PSF en la banda $i$ > 5 y criterios de fuente extendida ($g_{extendedness} > 0.5$, $r_{extendedness} > 0.5$).
• Muestra de Referencia: Se construyó un catálogo de referencia en el campo ECDFS mediante el cruce de objetos de DP1 con datos de desplazamiento al rojo espectroscópico ($spec$-$z$), de rejilla (grism) y de foto-$z$ multibanda de alta calidad de múltiples sondeos (por ejemplo, 3D-HST, ASTRODEEP, CANDELS, PRIMUS). Este conjunto de referencia se dividió en 70% para entrenamiento y 30% para prueba, con un umbral de confianza > 0.9.
• Validación: Se creó un conjunto de validación independiente mediante el cruce del campo SV_38_7 con muestras espectroscópicas de DESI Data Release 1 (DR1) (BGS, LRG, ELG).
• Integración con Euclid: Un subconjunto de los datos de ECDFS se cruzó con la Euclid Quick Data Release (Q1) para incorporar fotometría en el infrarrojo cercano (NIR) $YJH$.

Algoritmos Evaluados:
El estudio compara dos categorías de métodos:

1. Ajuste de Plantillas (Template-Fitting): BPZ y LePhare. Estos comparan la fotometría observada con plantillas de distribución espectral de energía (SED), aplicando prioris y minimización de $\chi^2$.
2. Aprendizaje Automático (ML): FlexZBoost, TPZ, kNN, CMNN, GPz y DNF. Estos aprenden mapeos empíricos de la fotometría multibanda hacia los desplazamientos al rojo de referencia.

Flujo de Trabajo:
Los autores utilizaron RAIL_projects para la gestión del flujo de trabajo, probando diferentes "sabores" de configuraciones (6 bandas, 4 bandas y 6 bandas + Euclid NIR). Los hiperparámetros se ajustaron (por ejemplo, aumentando el número de árboles en TPZ, ajustando las funciones de base en FlexZBoost) para optimizar el rendimiento.

Contribuciones Clave

• Primer Análisis Sistemático de DP1: Este trabajo presenta la primera aplicación sistemática del marco RAIL a datos reales de LSSTComCam, produciendo funciones de densidad de probabilidad (PDF) por galaxia, estimaciones puntuales y $n(z)$ de conjunto.
• Benchmarking de Algoritmos: Una comparación exhaustiva de ocho algoritmos a través de diferentes profundidades de datos (4 bandas vs. 6 bandas) y rangos de desplazamiento al rojo.
• Construcción del Catálogo de Referencia: El ensamblaje de un catálogo de referencia de alta calidad y de múltiples sondeos en ECDFS diseñado específicamente para entrenar y validar los canales de foto-$z$ de LSST.
• Impacto del NIR de Euclid: Una evaluación del beneficio específico de añadir la fotometría NIR $YJH$ de Euclid a los datos ópticos de LSST.

Resultados

• Métricas de Rendimiento:
  • En los datos de 6 bandas, los algoritmos de aprendizaje automático lograron una desviación absoluta mediana normalizada (dispersión) de $\sigma_{NMAD} \sim 0.03$ y fracciones de valores atípicos ($\eta_{0.15}$) alrededor del 10–15%.
  • El sesgo general para los algoritmos basados en ML fue $< 0.005$, cumpliendo con el requisito del LSST Año 1 (Y1) para el sesgo de desplazamiento al rojo.
  • La dispersión para todos los algoritmos fue $< 0.1$, cumpliendo con el requisito del LSST Y1 para la dispersión.
  • Degradación: El rendimiento se degrada significativamente en magnitudes tenues ($i > 23$) y desplazamientos al rojo altos ($z > 1.2$), donde los datos de entrenamiento son escasos.
  • Especificidades de los Algoritmos: FlexZBoost logró la mayor precisión en el agrupamiento tomográfico (78.1%). Los métodos de ajuste de plantillas (BPZ, LePhare) mostraron sesgos mayores y modos de falla específicos, como la identificación errónea de galaxias de ruptura de Lyman en alto $z$ como galaxias de ruptura de Balmer de bajo $z$.
• Distribuciones de Conjunto:
  • En el conjunto de prueba de ECDFS, la mayoría de los algoritmos recuperaron con éxito la distribución real de la $n(z)$ apilada.
  • En el campo SV_38_7 (diferente profundidad/conjunto de filtros), algunos métodos de ML exhibieron artefactos (por ejemplo, colas de alto $z$, picos en $z \sim 0.7$) debido al desajuste entre el conjunto de entrenamiento de ECDFS y la población objetivo de SV_38_7. DNF proporcionó la $n(z)$ menos sesgada en este campo.
• Impacto del NIR de Euclid: La inclusión de la fotometría $YJH$ de Euclid redujo significativamente el sesgo, la dispersión y las tasas de valores atípicos para galaxias en $z > 1.2$. Sin embargo, para la mayor parte de la muestra ($z < 1.2$), la mejora fue mínima debido a la concentración de los datos de entrenamiento en desplazamientos al rojo más bajos.
• Calibración: Los gráficos de Transformada Integral de Probabilidad (PIT-QQ) indicaron que, si bien la mayoría de los métodos están bien calibrados, algunos (por ejemplo, CMNN) proporcionan barras de error excesivamente confiadas, y los métodos de ajuste de plantillas mostraron una asimetría de la PDF hacia desplazos al rojo altos.

Significancia y Reclamaciones
El artículo afirma que el canal de trabajo RAIL está listo para producir desplazos al rojo fotométricos para los datos de LSST, demostrando un "rendimiento inicial prometedor" en datos reales de comisionamiento. Los resultados validan que:

1. Los algoritmos de aprendizaje automático pueden cumplir con los requisitos de sesgo y dispersión del LSST Y1 cuando se entrenan en muestras representativas de alta significación.
2. El canal de trabajo genera con éxito tanto las PDF por galaxia como las estimaciones de $n(z)$ de conjunto, esenciales para los análisis de lentes débiles y agrupamiento.
3. La inclusión de datos NIR (Euclid) es beneficiosa para las poblaciones de alto desplazamiento al rojo, aunque su impacto está limitado por la falta actual de datos de entrenamiento de referencia de alto $z$.

Los autores señalan explícitamente las limitaciones: el tamaño y la profundidad del conjunto de entrenamiento limitan la robustez más allá de $z \approx 1.2$; algunos algoritmos tienen dificultades con las no detecciones; y la optimización de hiperparámetros fue limitada. Concluyen que, si bien el canal de trabajo es funcional, el trabajo futuro debe abordar la varianza de la muestra, el manejo de las no detecciones y la optimización adicional para maximizar el rendimiento en el catálogo completo de objetos de LSST.