Euclid: Improving redshift distribution reconstruction using a deep-to-wide transfer function

技術概要：Euclid 深さから広域への転送関数を用いた赤方偏移分布の再構成改善

問題定義
Euclid ミッションは、宇宙せん断測定を通じて、暗黒エネルギーの性質と宇宙の膨張史を制約することを目的としている。必要な科学的精度を達成するためには、トモグラフィックビン内の銀河の真の赤方偏移分布 $n(z)$ を極めて正確に再構成することが不可欠である。平均赤方偏移の系統誤差 $\sigma_{\langle z \rangle}$ は、1 ビンあたり $\sigma_{\langle z \rangle} < 0.002(1+z)$ を満たさなければならない。

現在の較正法は、測光赤方偏移を補正するために分光赤方偏移を持つ参照サンプルに依存している。しかし、大きな系統的不確実性の源は、深さの深い参照フィールド（Euclid 補助フィールド、EAFs）と浅い広域サーベイ（Euclid 広域サーベイ、EWS）との間の測光特性の不一致から生じる。EWS は EAFs より約 2 マグニチュード浅く、測光不確実性による信号対雑音比（S/N）の違いと色空間における異なる散らばりを引き起こす。その結果、深さの深い設定と広域設定で観測された同一の源は、較正に用いられる自己組織化マップ（SOM）上で異なる領域を占め、バイアスのかかった $n(z)$ 再構成につながる。Dark Energy Survey が使用する Balrog などの画像ベースのシミュレーション法はこの問題を解決できるが、計算コストが高く、複雑なパイプラインに大幅な修正が必要となる。

手法
著者らは、深さの深いサンプルの物体の測光を劣化させ、統計的に広域サーベイ観測を模倣するためのカタログレベルの**マルチパスバンド転送（MPT）**法を提案する。

1. 転送関数の構築:

   • 独立したガウスノイズを加える単純な単一パスバンド転送（SPT）とは異なり、MPT はフラックス、フラックス誤差、および異なるパスバンド間の相関を保持する。
   • フラックス $d_{X,i}$ と誤差 $\sigma_{X,i}$ を持つ深さの深いサンプルの物体について、フラックス空間に基づいて広域サンプルカタログ内で（k-d 木を使用して）最寄りの近傍を特定する。
   • 両方の測定値の結合分散を考慮し、広域サンプルの物体が深さの深いサンプルの物体と同一である確率（尤度）$L$ を計算する。
   • これらの尤度に基づいて広域サンプルの物体を抽出し、そのフラックス誤差（$\tau_{X,i}$）を深さの深い物体に適用する。新しい「広域類似」フラックスは、正規分布 $N(d_{X,i}, \tau_{X,i}^2)$ から抽出される。
   • このプロセスにより、劣化されたサンプルの多次元確率分布が、誤差の相関を含めて広域サンプルと一致することが保証される。

2. 選択関数:

   • 変換されたサンプルに経験的な選択関数を適用し、広域サーベイでは検出されないはずの faint な深さの深い源を考慮する。これは広域フィールドのフラックス分布から導出される。

3. 較正パイプラインへの統合:

   • 本手法は、SOM ベースの較正フレームワーク（Masters ら 2015）に統合される。
   • 著者らは最適な実装を決定するためにいくつかのシナリオ（A–G）をテストする：
     • シナリオ A: 元の Masters らの方法（深さの深いサンプルを直接使用）。
     • シナリオ C: 深さの深い較正サブセットを MPT を用いて 50 回変換して「MPT モック」サンプルを作成し、これを深さの深いデータで訓練された SOM に投影する。
     • シナリオ F: パイプライン全体（SOM 訓練、ビン定義、投影）に MPT モックサンプルを使用する。
     • シナリオ G: 個々の photo-z に基づいて物体をトモグラフィックビンに割り当てる（Roster ら 2025 に従う）際に、MPT モックサンプルを使用する。

主な貢献

• MPT の開発: 計算効率が高く、カタログレベルのアルゴリズムであり、深さの深い測光を広域類似の条件に劣化させながら、マルチパスバンドのフラックス - 誤差相関を保持する。
• Balrog に対する検証: 本手法は、画像ベースの注入である DES Y3 Balrog カタログに対してテストされた。著者らは、MPT が広域サンプルの統計的特性（フラックスおよび誤差分布）を、Balrog と同等かそれ以上のワッシャースタイン距離で回復することを示した。これは、はるかに高速（8 バンドで 100 万の源を約 5 分で処理）であるにもかかわらず達成された。
• 較正ステップの体系的評価: 較正パイプラインの特定のステップ（SOM 訓練、ビン定義、参照投影）を分離することにより、精度にとって最も重要な要因は、参照物体（分光サンプル）が広域サーベイの物体と同じように色空間に分布していることを保証することであると特定された。

結果
本手法は、真の赤方偏移を提供する Euclid Flagship モック銀河シミュレーションを用いてテストされた。

• 性能指標: 10 のトモグラフィックビン全体で平均赤方偏移バイアス（$\Delta z / (1+z)$）が測定された。
• シナリオ比較:
  • シナリオ A（元の方法）: ほとんどのビンで Euclid の要件を満たせず、バイアスは最大で $0.124/(1+z)$ に達した。
  • シナリオ C（参照投影への MPT 適用）: 著しく改善され、多くのビンで要件を満たす確率が無視できないレベルになった。
  • シナリオ G（MPT + 個々の photo-z ビン割り当て）: 最良の性能を達成し、すべてのビンで $\sigma_{\langle z \rangle} < 0.002(1+z)$ の要件を満たす確率（ビンによって 31% から 77% の範囲）を達成した。
• 分布形状: 平均を超えて、本手法は $n(z)$ 分布の完全な形状を成功裡に再現する。ビン $1.0 < z \le 1.25$ において、再構成された $n(z)$ の分散は、シナリオ C および F で真の分散と 1% 以内で一致したが、未補正の手法（シナリオ B）は分散において 15% の誤差を示した。
• SOM カバレッジ: 参照サンプルの複数の実現を生成するために MPT を使用することで、未占有（較正不可能）な SOM セルの割合を、深さの深いサンプルのみの場合の 46.5% からシナリオ C の 6.7% に削減した。

意義と主張
本論文は、MPT 法が Euclid データリリース 1（DR1）およびそれ以降に対して堅牢かつ実現可能な解決策を提供すると主張する。

• 実現可能性: このアプローチは、参照サンプルの測光特性をサーベイの深さに一致するように正しく劣化させる限り、計算的に禁止的な画像シミュレーションなしでも正確な $n(z)$ 再構成が可能であることを示している。
• 重要な洞察: 較正成功の主な駆動力は、広域類似データで SOM を再訓練すること（シナリオ E では性能が悪かった）ではなく、むしろ参照サンプルの SOM への投影が広域サーベイの色分布を反映していることを保証することである。
• 広範な適用性: 本手法は赤方偏移分布の完全な統計構造（高次モーメントを含む）を保持するため、弱い重力レンズだけでなく、角度相関などの他の応用にも適している。
• 控えめな展望: 著者らは、本手法が DR1 の要件を満たす一方で、後のデータリリースにはさらなる改善（例えば、より良い参照サンプル）が必要であると指摘している。この研究は、将来の較正パイプラインのための堅固な基盤を確立している。