Owl-z: a Bayesian tool to select z \geq 7 quasars

Resumen Técnico de "Owl-z: una herramienta bayesiana para seleccionar cuásares con $z \gtrsim 7$"

Planteamiento del Problema
La identificación de cuásares con alto desplazamiento al rojo ($z \gtrsim 7$) es crítica para comprender el Universo temprano, la génesis de los agujeros negros supermasivos y la época de reionización. Sin embargo, la selección fotométrica de estos objetos en sondeos de campo amplio es un desafío debido a su debilidad y a la severa contaminación de poblaciones intrusas. Específicamente, los colores rojos de los cuásares de alto $z$, causados por la ruptura del Lyman-$\alpha$, son imitados por enanas marrones (tipos espectrales M, L, T) y galaxias de tipo temprano con desplazamiento al rojo intermedio ($1 \lesssim z \lesssim 2$). Los métodos tradicionales de corte de color suelen tener dificultades para distinguir estas poblaciones, particularmente en desplazamientos al rojo más bajos ($7 < z < 8$), donde los espacios de color de los cuásares y los contaminantes se superponen significativamente. Con la llegada de sondeos masivos como Euclid, existe la necesidad de herramientas estadísticas eficientes y optimizadas para seleccionar candidatos a cuásares de alto $z$ minimizando la demanda de costosos seguimientos espectroscópicos.

Metodología
El artículo presenta Owl-z, un código bayesiano de código abierto diseñado para calcular la probabilidad posterior de que una fuente pertenezca a una de tres poblaciones modeladas: cuásares de alto $z$ ($7 \le z \le 12$), galaxias de tipo temprano con desplazamiento al rojo intermedio ($1 < z < 2$), o enanas marrones (estrellas MLT, tipos espectrales M6–T9).

• Formalismo Bayesiano: El código emplea el teorema de Bayes para calcular la probabilidad posterior $P(t|D)$ para un tipo de fuente $t$ dados los datos fotométricos $D$. Esto es impulsado por la densidad superficial previa de las poblaciones y la verosimilitud integrada (evidencia) de los datos dado el tipo de fuente.
• Modelado de Poblaciones:
  • Cuásares: Modelados utilizando una colección de plantillas de distribución de energía espectral (SED) (compuestos suavizados y modelos paramétricos) y una función de luminosidad (LF) de ley de potencia doble derivada de Willott et al. (2010) y Matsuoka et al. (2023).
  • Enanas Marrones: Modeladas utilizando librerías espectrales observadas (LHS y prisma SpeX) y fotometría de WISE. La distribución espacial se modela como un disco delgado con una distribución exponencial vertical y horizontal, restringida a la aproximación de disco delgado para la profundidad de la EWS, con densidades superficiales dependientes de la latitud galáctica.
  • Galaxias Contaminantes: Modeladas utilizando SED de galaxias de tipo temprano (modelos SSP) y una función de luminosidad derivada del catálogo E-COSMOS (Euclidised COSMOS2022), ajustada con una función de Schechter.
• Cálculo de Verosimilitud: La verosimilitud de los datos se calcula como una mezcla de densidades multivariantes centradas en los flujos del modelo, teniendo en cuenta los errores fotométricos gaussianos y las no detecciones (usando fotometría forzada o límites superiores).
• Implementación: Escrito en Python (utilizando NumPy, SciPy, Astropy y Cython para velocidad), el código toma como entrada datos fotométricos y coordenadas galácticas y produce como salida las probabilidades para cada población, junto con los parámetros de mejor ajuste (desplazamiento al rojo, magnitud, tipo espectral).

Contribuciones Clave

1. Desarrollo de Owl-z: Una herramienta bayesiana flexible, rápida y pública, específicamente ajustada para el Euclid Wide Survey (EWS) pero adaptable a otros sondeos (ej. LSST, Roman).
2. Modelado Exhaustivo de Contaminantes: Modelado explícito tanto de las poblaciones de enanas marrones (incluyendo el impacto de la latitud galáctica y las aproximaciones de disco delgado/grueso) como de las galaxias de tipo temprano con desplazamiento al rojo intermedio, las cuales son identificadas como los principales contaminantes.
3. Validación con Datos Reales: Reidentificación exitosa de todos los cuásares conocidos confirmados espectroscópicamente en $z > 7$ de varios sondeos (DECaLS, Pan-STARRS, HSC, UKIDSS, WISE), demostrando la versatilidad del código a través de diferentes conjuntos de datos fotométricos.
4. Métricas de Desempeño: Introducción de una métrica de desempeño global, la F-medida, que combina la completitud (Verdaderos Positivos / (Verdaderos Positivos + Falsos Negativos)) y la pureza (Verdaderos Positivos / (Verdaderos Positivos + Falsos Positivos)) para evaluar la eficiencia de selección.

Resultados

• Reidentificación: Owl-z alcanzó una probabilidad $P_q > 0.99$ para los ocho cuásares probados y confirmados espectroscópicamente en $z > 7$, distinguiéndolos correctamente de los contaminantes de enanas MLT.
• Completitud y Pureza (Simulaciones): Utilizando datos simulados de EWS ($7 \le z \le 12$, $18 \le H_E \le 24.5$):
  • Fuentes Brillantes: Para fuentes más brillantes que $H_E \approx 22$, Owl-z alcanza el pleno desempeño (alta F-medida) con alta completitud y pureza, siendo mayormente independiente del desplazamiento al rojo.
  • Fuentes Débiles: El desempeño se degrada para fuentes más débiles ($H_E > 22$) debido a bajas relaciones señal-ruido (SNR) y un aumento en la confusión con contaminantes.
  • Dependencia del Desplazamiento al Rojo: La completitud es menor en $7 < z < 8$ debido a la confusión con enanas de tipo tardío. En $z \approx 10$, se observa una caída en la completitud debido a la confusión con galaxias de tipo temprano.
  • Desplazamientos al Rojo Fotométricos: El código proporciona estimaciones precisas de desplazamiento al rojo fotométrico ($z_{out}$) con una correlación de Pearson de 0.97 contra los desplazamientos al rojo reales para $H_E < 24$, y una baja fracción de valores atípicos ($\sim 2.5\%$ para $\Delta z > 0.1(1+z)$).
• Optimización de Umbrales: El estudio demuestra que el umbral de probabilidad de selección ($\zeta$) puede ajustarse en el post-procesamiento. Un umbral bajo ($\zeta = 0.1$) es suficiente para fuentes brillantes para maximizar la completitud, mientras que se requiere un umbral más alto ($\zeta \approx 0.9$) para fuentes débiles para mantener la pureza frente a la contaminación de galaxias de tipo temprano.
• Robustez: El desempeño del código es relativamente uniforme en toda la huella de la EWS, mostrando solo variaciones menores debido a las coordenadas galácticas o diferencias de SNR. La inclusión de enanas marrones de disco grueso en las simulaciones tuvo un impacto insignificante en la F-medida para la profundidad de la EWS, validando la aproximación de disco delgado para este sondeo.

Significancia
El artículo afirma que Owl-z es una poderosa herramienta pública para optimizar la selección de cuásares de alto $z$ en Euclid y otros sondeos de campo amplio. Al proporcionar un método robusto para distinguir los cuásares de los contaminantes, facilita la optimización de las campañas de confirmación fotométrica y espectroscópica. La capacidad de ajustar los umbrales de selección basados en la magnitud y el desplazamiento al rojo permite a los observadores equilibrar el compromiso entre encontrar más candidatos (completitud) y asegurar su fiabilidad (pureza). Los autores enfatizan que, aunque la herramienta está ajustada para Euclid, su marco bayesiano y adaptabilidad la convierten en una solución versátil para la próxima era de sondeos cosmológicos a gran escala.