Redshift Assessment Infrastructure Layers (RAIL): Rubin-era photometric redshift stress-testing and at-scale production
Il documento presenta RAIL, una libreria Python open source sviluppata per la collaborazione LSST DESC, che offre strumenti modulari per la stima probabilistica su larga scala dei redshift fotometrici, il loro stress-testing e la valutazione delle prestazioni, rendendoli disponibili alla comunità scientifica oltre il contesto specifico dell'osservatorio Rubin.
The RAIL Team, Jan Luca van den Busch, Eric Charles, Johann Cohen-Tanugi, Alice Crafford, John Franklin Crenshaw, Sylvie Dagoret, Josue De-Santiago, Juan De Vicente, Qianjun Hang, Benjamin Joachimi, Shahab Joudaki, J. Bryce Kalmbach, Arun Kannawadi, Shuang Liang, Olivia Lynn, Alex I. Malz, Rachel Mandelbaum, Grant Merz, Irene Moskowitz, Drew Oldag, Jaime Ruiz-Zapatero, Mubdi Rahman, Markus M. Rau, Samuel J. Schmidt, Jennifer Scora, Raphael Shirley, Benjamin Stölzner, Laura Toribio San Cipriano, Luca Tortorelli, Ziang Yan, Tianqing Zhang, the LSST Dark Energy Science CollaborationFri, 13 Ma🔭 astro-ph