JWST Advanced Deep Extragalactic Survey (JADES) Data Release 5: Wisp Subtraction with the Non-negative Matrix Factorization Algorithm

Résumé technique : Publication des données 5 du relevé extragalactique profond avancé de JWST (JADES) : Soustraction des « wisps » par l'algorithme de factorisation de matrices non négatives

Énoncé du problème
Les « wisps » (volutes de lumière) sont des artefacts de lumière diffusée proéminents dans l'imagerie à ondes courtes (SW) de la caméra NIRCam du télescope spatial James Webb (JWST), causés par la diffusion de la lumière hors axe sur le support du miroir secondaire. Ces artefacts apparaissent dans des régions fixes des détecteurs avec une morphologie qui varie légèrement mais visiblement entre les expositions, particulièrement dans les intensités relatives des sous-structures. Cette variation complique la soustraction, car les approches à modèle unique (templates) laissent souvent des résidus significatifs. Les méthodes existantes font face à un compromis : les modèles basés sur une pile de médianes (ex. : pipeline STScI) offrent une grande sensibilité aux structures diffuses mais manquent de flexibilité face aux variations morphologiques, tandis que les méthodes dynamiques par exposition permettent des morphologies arbitraires mais souffrent de faibles rapports signal sur bruit (SNR) et d'une dépendance vis-à-vis d'une soustraction précise des sources. Ces résidus contaminent la photométrie des sources faibles et l'analyse morphologique, biaisant les mesures pour les sources plus faibles que 25 mag AB.

Méthodologie
Les auteurs introduisent une nouvelle méthode de soustraction utilisant l'algorithme de factorisation de matrices non négatives (NMF) pour modéliser et éliminer les wisps. L'approche construit des modèles de wisps multi-composantes, spécifiques aux filtres et aux détecteurs, en utilisant les observations profondes de NIRCam issues du relevé JADES et d'autres programmes.

• Cadre algorithmique : Le problème est formulé comme une approximation de matrice où la matrice de données $D$ (représentant $m$ expositions et $n$ pixels) est décomposée en matrices de modèles non négatives $W$ et en matrices d'amplitude $A$ afin de minimiser la fonction de perte $L(A, W) = \frac{1}{2}\|D - AW\|^2$. La norme est pondérée par la variance du bruit inverse.
• Construction des modèles (templates) :
  • Les données des filtres à bande large (F090W, F150W, F150W, F200W) et à bande moyenne sont pré-traitées (correction de champ plat, soustraction du fond de ciel, correction du bruit 1/f, rejet des valeurs aberrantes).
  • Les sources et les artefacts sont masqués pour éviter toute contamination.
  • La NMF est appliquée de manière itérative. Les auteurs utilisent une stratégie d'initialisation séquentielle, commençant par un modèle unique (l'image moyenne empilée) et ajoutant progressivement des composantes (jusqu'à trois pour les détecteurs A3/B4, une pour A4/B3), en utilisant les résultats précédents comme valeurs initiales.
  • La contrainte de non-négativité est cruciale, garantissant la cohérence physique avec la nature additive de la lumière diffusée et réduisant la dégénérescence du modèle.
  • Les modèles sont affinés sur des données à pleine résolution, et une correction de biais est appliquée pour tenir compte du biais statistique introduit par la contrainte de non-négativité dans les régions dominées par le bruit.
• Stratégie de soustraction : Pour les expositions individuelles, les amplitudes des wisps sont déterminées à l'aide de la méthode des moindres carrés non négatifs (NNLS) dans les régions de wisps à SNR élevé. Le processus inclut une correction itérative du bruit 1/f pour traiter la dégénérescence entre les deux artefacts. Les incertitudes provenant à la fois de l'ajustement des amplitudes et des imperfections des modèles sont propagées aux cartes d'erreur finales.

Contributions clés

• Modèles basés sur la NMF : L'article fournit des modèles de wisps multi-composantes, publics, qui capturent à la fois la morphologie dominante des wisps et les variations d'exposition en exposition.
• Performance de soustraction améliorée : La méthode atteint un RMS résiduel plus faible dans les régions affectées par les wisps par rapport aux modèles de médiane STScI v4.0 et aux approches PCA pondérées par le bruit.
• Précision photométrique : La méthode réduit le biais et l'éparpillement photométriques pour les sources situées dans les régions contaminées par les wisps à des niveaux presque cohérents avec les zones de détecteurs propres.
• Intégration au pipeline : La méthode est intégrée au pipeline de réduction des données JADES et est conçue pour être facilement applicable à d'autres programmes d'observation sans nécessiter la construction de nouveaux modèles pour chaque champ.

Résultats

• Améliorations visuelles et statistiques : Dans la bande F150W (détecteur NIRCam B4), la méthode NMF réduit le RMS résiduel moyen excessif dans les régions de wisps à environ 50 % de celui obtenu avec les modèles STScI. Les caractéristiques résiduelles les plus nettes sont réduites à environ 30 % du RMS excessif de STScI.
• Photométrie : Des tests de photométrie d'ouverture sur des sources apparaissant à la fois dans des régions affectées par les wisps et dans des régions propres montrent que la méthode NMF produit un biais plus faible et un éparpillement réduit par rapport aux modèles STScI, avec des distributions cohérentes avec les régions non affectées.
• Qualité des mosaïques : Les mosaïques traitées avec les modèles NMF présentent des fonds plus propres et une qualité d'image améliorée, réduisant les erreurs d'identification de sources et améliorant la précision des mesures par rapport à celles traitées avec les modèles STScI, qui conservent souvent des wisps résiduels même après l'empilement.
• Stabilité : Le flux des wisps est jugé presque constant à travers les champs (GOODS-S et GOODS-N) et dans le temps, avec un écart-type de seulement ~12 %, ce qui soutient l'utilisation de modèles universels à travers différents programmes.

Signification et affirmations
L'article affirme résoudre le compromis fondamental entre sensibilité et flexibilité de la soustraction des wisps en combinant la sensibilité des données empilées profondes avec la flexibilité d'une base de modèles multi-composantes non négatives. Les auteurs déclarent que cette méthode permet une soustraction plus précise des wisps par rapport aux approches existantes, soutenant directement l'analyse photométrique et morphologique précise des sources faibles. Le travail souligne que les modèles NMF sont robustes, disponibles publiquement et applicables aux futurs relevés extragalactiques de NIRCam, atténuant ainsi une source majeure de contamination pour l'identification des galaxies à haut redshift et d'autres études de sources faibles. Les auteurs notent des limites concernant les « bright wisps » (wisps brillants, caractéristiques distinctes et rares ayant des origines différentes) et les « claws » (artefacts dépendants de l'étoile), qui ne sont pas traités par cette méthode basée sur des modèles.