DeepDISC-Euclid: Source Classification and Photometric Redshifts in Euclid Deep Field North With a Pixel-Level Deep Learning Approach

Resumen Técnico: DeepDISC-EUCLID

1. El Problema

La primera liberación rápida de datos (Q1) de la misión Euclid proporciona imágenes y datos espectroscópicos extensos para cientos de millones de objetos fotométricos en campos profundos. Sin embargo, los productos de datos estándar generados por el pipeline oficial de Euclid (PHZ) presentan limitaciones significativas:

• Clasificación de Cuásares: La identificación de cuásares (QSOs) es difícil porque son difíciles de distinguir de las galaxias; el pipeline actual tiene dificultades para separarlos eficazmente.
• Redshifts Fotométricos (Photo-z): Los photo-zs de PHZ están optimizados principalmente para galaxias (el objetivo central de Euclid), por lo que no son óptimos para cuásares ni para poblaciones de galaxias específicas.
• Necesidad de Mejora: Se requieren métodos más avanzados para maximizar el valor científico de estos datos, especialmente en la detección, desmezclado (deblending), clasificación y estimación de redshifts con distribuciones de probabilidad completas.

2. Metodología

Los autores desarrollan y aplican DeepDISC, un marco de aprendizaje profundo a nivel de píxel, entrenado específicamente en las imágenes del Campo Profundo Norte de Euclid (EDF-N).

• Datos de Entrada: Se utilizan imágenes de 9 bandas (4 de Euclid: VIS, YE, JE, HE + 5 de UNIONS: u, g, r, i, z) procesadas por la función MERge de Euclid.
• Etiquetado (Ground Truth):
  • Detección: Mapas de segmentación de Euclid (MER PF).
  • Clasificación y Redshift: Clasificaciones espectroscópicas y redshifts del DESI DR1 (Dark Energy Spectroscopic Instrument).
• Arquitectura del Modelo:
  • Se basa en una red Swin Transformer con arquitectura de pirámide de características (Feature Pyramid Network).
  • Utiliza una red de propuesta de regiones (RPN) y cabezales (heads) de Región de Interés (ROI) específicos para tareas.
• Estrategia de Entrenamiento (3 Modelos):
  Debido a la escasez relativa de etiquetas espectroscópicas (DESI) en comparación con los mapas de segmentación de Euclid, se adopta una estrategia de entrenamiento en etapas:
  1. Modelo 1 (Detección y Clasificación): Entrenado con mapas de segmentación y clasificaciones DESI. Realiza detección de fuentes, segmentación de instancias y clasificación (Estrellas, Galaxias, Cuásares).
  2. Modelo 2 (Photo-z de Galaxias): Inicializado a partir del Modelo 1. Se congelan los pesos del "backbone" y se entrena solo el cabezal de redshift utilizando una Red de Densidad de Mezcla (MDN) para predecir la distribución de probabilidad completa (PDF) del redshift para galaxias.
  3. Modelo 3 (Photo-z de Cuásares): Similar al Modelo 2, pero entrenado exclusivamente con redshifts de cuásares del DESI.

3. Contribuciones Clave

• Catálogo Unificado: Se libera un catálogo completo de ~13.3 millones de objetos en el EDF-N, incluyendo coordenadas, clasificaciones y photo-zs con PDFs completas.
• Enfoque de Aprendizaje Profundo: Demuestra que los métodos de aprendizaje profundo a nivel de píxel pueden superar o igualar a los métodos tradicionales basados en catálogos y ajuste de plantillas en tareas complejas de astronomía.
• Mejora Específica en Cuásares: Se logra un rendimiento superior en la clasificación y estimación de redshifts de cuásares en comparación con los productos oficiales de Euclid (PHZ).
• Distribuciones de Probabilidad: Proporciona no solo un valor puntual de redshift, sino la función de densidad de probabilidad posterior completa, crucial para análisis cosmológicos rigurosos.

4. Resultados

• Detección:

  • Completitud (Recall): ~93% (comparado con el catálogo MER de Euclid).
  • Pureza (Precision): ~80% (comparado con MER), pero se estima una pureza real de ~90% al validar contra un catálogo de JWST (NEXUS) en una subregión.
  • El modelo recupera el 99.2% de estrellas, 99.0% de galaxias y 84.8% de cuásares con sus clasificaciones espectroscópicas correctas.

• Clasificación:

  • El rendimiento para estrellas y galaxias es comparable al del pipeline PHZ de Euclid.
  • Ventaja en Cuásares: DeepDISC supera significativamente a PHZ en la clasificación de cuásares, logrando una pureza del 90.6% y una completitud del 84.8%, mientras que PHZ tiene dificultades para separar cuásares de galaxias.

• Redshifts Fotométricos (Photo-z):

  • Galaxias: El sesgo mediano es muy bajo ($2.0 \times 10^{-3}$) y la dispersión ($\sigma_{IQR}$) es de ~0.039. El rendimiento es comparable o ligeramente mejor que PHZ y AstroPT, con una fracción de outliers reducida.
  • Cuásares: El rendimiento es notablemente superior al de PHZ (que está diseñado para galaxias). DeepDISC logra un sesgo mediano de $-5.7 \times 10^{-3}$ y una dispersión de ~0.11, superando a PHZ en precisión y siendo comparable al catálogo de rayos X (X-ray CTP) que usa PICZL, pero con la ventaja de no requerir preselección de fuentes.

5. Significado y Limitaciones

• Impacto Científico: Este catálogo proporciona un producto de datos independiente y complementario al pipeline oficial de Euclid, permitiendo estudios más limpios de cuásares (para reionización y agrupamiento) y galaxias (para lentes débiles y evolución).
• Limitaciones Actuales:
  • El rendimiento de los photo-zs de galaxias está limitado al rango de redshift del entrenamiento de DESI ($z \lesssim 1.8$).
  • La clasificación de cuásares de bajo redshift ($z < 0.5$) puede verse afectada por la contaminación de la galaxia huésped.
  • La detección de objetos muy tenues ($I_E > 24$) puede generar falsos positivos debido al ruido.
• Futuro: El marco DeepDISC está diseñado para escalar. A medida que Euclid libere más datos (DR1) y se obtengan más espectros de programas como JWST (NEXUS) y Subaru-PFS, se espera mejorar el entrenamiento para cubrir rangos de redshift más altos y permitir un entrenamiento conjunto completo (detección + clasificación + redshift) sin la necesidad de congelar capas, mejorando aún más la precisión.

En conclusión, DeepDISC demuestra que el aprendizaje profundo basado en píxeles es una herramienta poderosa y escalable para los grandes sondeos del cielo como Euclid y Roman, ofreciendo mejoras tangibles en la caracterización de poblaciones de fuentes, especialmente en la identificación de cuásares.