Highly Efficient Selection of High-Redshift Emission-Line Galaxies for future DESI-like surveys with Deep Multi-band Imaging

Résumé technique : Sélection hautement efficace de galaxies à raies d'émission à haut décalage vers le rouge pour les futurs relevés de type DESI avec une imagerie multi-bandes profonde

Énoncé du problème
Les galaxies à raies d'émission (ELG) sont des traceurs essentiels pour mesurer les oscillations acoustiques de baryons (BAO) et la structure à grande échelle pour des décalages vers le rouge $z > 1$. Cependant, les méthodes de sélection actuelles pour l'instrument DESI (Dark Energy Spectroscopic Instrument) font face à des limitations significatives dans la plage de décalage vers le rouge $1,1 < z < 1,6$. La sélection actuelle des ELG de DESI, basée sur la photométrie plus peu profonde $g, r, z$ des relevés d'imagerie Legacy, souffre d'une faible efficacité et de fluctuations de densité importantes. Plus précisément, l'échantillon actuel de DESI ne produit que $\sim 660$ ELG robustes par degré carré dans cette plage de décalage vers le rouge, avec un taux de réussite de la plage de décalage vers le rouge faible (34 %) et un taux de réussite de la mesure du décalage vers le rouge de 69 %. Cette densité place l'échantillon dans un régime limité par le bruit de tir (shot-noise), ce qui entrave les contraintes cosmologiques précises sur l'équation d'état de l'énergie noire. L'article postule qu'une imagerie multi-bandes plus profonde (similaire à celle de l'Observatoire Rubin LSST ou de Hyper Suprime-Cam) peut surmonter ces systématiques en fournissant une meilleure identification des caractéristiques spectrales.

Méthodologie
Les auteurs ont développé et optimisé un nouvel algorithme de sélection de cibles conçu pour augmenter le rendement de la densité de surface des ELG d'un facteur $\sim 3$ par rapport aux cibles DESI actuelles. La méthodologie comprenait trois étapes principales :

1. Sources de données :

   • Photométrie : L'équipe a utilisé la photométrie profonde $ugrizy$ du catalogue COSMOS2020 (version Farmer) pour entraîner les critères de sélection. Cet ensemble de données offre des profondeurs $\sim 2$ magnitudes plus profondes que le relevé Legacy et inclut les bandes $i$ et $y$.
   • Spectroscopie : Pour tester et affiner empiriquement la sélection, les auteurs ont utilisé un échantillon « spec-truth ». Cet échantillon est composé de 87 512 objets de type ELG observés avec DESI dans le champ COSMOS, sélectionnés à l'aide de coupures de couleur larges à partir d'imageries profondes de DECam et HSC pour capturer tous les diffuseurs potentiels dans l'échantillon DESI.
   • Redshifts : Les redshifts photométriques ($z_{photo}$) ont été dérivés à l'aide du code LePHARE sur les données multi-bandes de COSMOS2020. Les redshifts spectroscopiques ($z_{spec}$) ont été obtenus grâce aux observations DESI avec des temps d'exposition effectifs compris entre 700 et 1400 secondes.

2. Développement de l'algorithme :

   • Classification initiale : Un classificateur de Forêt Aléatoire (Random Forest - RF) a été entraîné sur la photométrie $ugrizy$ de COSMOS2020 pour distinguer les ELG à haut décalage vers le rouge ($z=1,1-1,6$) des autres galaxies. Le RF a atteint une aire sous la courbe (AUC) de 0,960.
   • Importance des caractéristiques : L'analyse de l'importance par permutation a révélé que les combinaisons de couleurs $r-i$ et $i-y$ étaient les caractéristiques les plus influentes, $i-z$ étant la suivante la plus significative.
   • Optimisation : Les auteurs ont défini un ensemble de coupures de couleur et une magnitude limite ($g_{fiber}$) basées sur les enseignements du RF. Ces coupures ont été optimisées à l'aide de l'échantillon « spec-truth » pour maximiser le « taux de réussite de la plage de décalage vers le rouge » (la fraction de cibles avec un $z_{spec}$ sécurisé dans $1,1 < z < 1,6$) tout en visant un rendement de densité de surface nette de $\sim 1370$ deg$^{-2}$. L'optimisation a minimisé une fonction de perte équilibrant le taux de réussite par rapport à l'écart par rapport à la densité cible.

3. Métriques :

   • Taux de réussite de la mesure du redshift ($f_{reliable}$) : Fraction de cibles avec un $z_{spec}$ sécurisé (basé sur le rapport S/N du flux [O II] et $\Delta\chi^2$).
   • Taux de réussite de la plage de décalage vers le rouge : Fraction de cibles avec un $z_{spec}$ sécurisé spécifiquement dans $1,1 < z < 1,6$.
   • Rendement de densité de surface nette : Le produit de la densité de cibles et du taux de réussite de la plage de décalage vers le rouge.

Résultats clés
Les critères de sélection optimisés, comprenant des limites sur $g_{fiber}$, $r-i$, $i-y$ et $i-z$, ont démontré des améliorations significatives par rapport à la sélection standard des ELG de DESI :

• Taux de réussite de la mesure du décalage vers le rouge : Passant de 69 % (DESI) à 89 % (ce travail).
• Taux de réussite de la plage de décalage vers le rouge : Passant de 34 % (DESI) à 84 % (ce travail).
• Rendement de densité de surface nette : Passant de 660 deg$^{-2}$ (DESI) à 1372 deg$^{-2}$ (ce travail).
• Densité de cibles : Le nouvel échantillon atteint une densité cible de 1632 deg$^{-2}$, ce qui est comparable à la densité de cibles de DESI (1940 deg$^{-2}$), mais produit une fraction d'objets utiles bien plus élevée.
• Contamination : Les nouvelles coupures rejettent efficacement la contamination à bas décalage vers le rouge ($z < 1,1$) et les objets à $z > 1,6$ où le doublet [O II] tombe en dehors de la fenêtre spectrale de DESI.

Signification et revendications
L'article affirme que la combinaison de l'échantillon ELG actuel avec cet échantillon optimisé augmenterait la densité numérique nette des ELG d'un facteur $\sim 3$. Selon les prévisions de la matrice de Fisher (code FishLSS), cette augmentation permettrait de :

1. Sortir l'échantillon ELG du régime limité par le bruit de tir pour la tranche de décalage vers le rouge $1,1 < z < 1,6$.
2. Réduire les incertitudes sur les paramètres de l'échelle de distance BAO ($\alpha_{\perp}$ et $\alpha_{\parallel}$) d'un facteur $\sim 2$ à ces décalages vers le rouge.

Les auteurs soulignent que cette approche est réalisable pour les futurs relevés spectroscopiques (par exemple, DESI-II) utilisant une imagerie multi-bandes plus profonde comme celle de l'Observatoire Rubin ou de HSC. Ils notent que la sélection est robuste même lorsqu'elle est appliquée à une photométrie légèrement moins profonde (« LSST Year 2 »). Enfin, les auteurs suggèrent qu'un tel échantillon à haute efficacité pourrait être observé pendant le temps gris ou brillant (lorsque la lune est présente), car la raie [O II] à $z > 1,1$ se déplace vers des longueurs d'onde ($> 7800$ Å) où les raies d'émission du ciel nocturne dominent le continuum de la lumière lunaire, augmentant potentiellement l'efficacité des opérations de relevés futurs. Enfin, les auteurs proposent que cette méthode de sélection puisse générer des échantillons purement photométriques avec des distributions de décalage vers le rouge bien définies pour les analyses de corrélation croisée CMB et de lentillage à des décalages vers le rouge plus élevés que ce qui est actuellement possible pour les LRG.