Optimizing Deep Learning Photometric Redshifts for the Roman Space Telescope with HST/CANDELS

技術サマリー：HST/CANDELS を用いたローマン宇宙望遠鏡向け深層学習による光学的赤方偏移の最適化

問題提起
ナンシー・グレース・ローマン宇宙望遠鏡は、膨大な量の高分解能かつ深遠な近赤外線画像を生成することになり、宇宙論、銀河進化、および遷移現象を研究するために、数億個の銀河に対する正確な光学的赤方偏移（photo-z）推定が必要となる。深層学習（DL）手法は、ピクセルレベルの情報を活用することで、低赤方偏移の地上観測画像において、従来のテンプレート適合法や古典的な機械学習（ML）手法を上回る性能を示してきたが、その有効性は、暗く高赤方偏移（$z \sim 3$）の宇宙空間データにおいては未検証のままとなっている。重要な課題は、暗い天体に対する分光赤方偏移（spec-z）ラベルの不足である。ローマンの観測画像は、その分光フォローアップを大幅に上回るペースで生成されるため、この領域において、DL アルゴリズムが限られたラベル付きデータに加えて、豊富なラベルなし画像を効果的に活用し、最適な photo-z 精度を達成できるかどうかを判断する必要がある。

手法
著者らは、ローマンのデータのプロキシとしてハッブル宇宙望遠鏡（HST）の CANDELS 調査を用い、分光、グリズムデータ、多バンド測光から導出された信頼性の高い赤方偏移ラベル（$z_{ref}$）を持つ 99,505 個の天体を選択した。データセットは、ラベル付き（学習、検証、テスト）とラベルなしのサブセットに分割された。本研究では、4 つの異なるアプローチを比較した。

1. 古典的ベースライン:

   • テンプレート適合: 観測された測光データをスペクトルエネルギー分布（SED）テンプレートに適合させる LePHARE。
   • ML 測光: 統合された測光色と等級を用いて訓練された完全教師ありの多層パーセプトロン（MLP）。

2. 深層学習アプローチ:

   • 完全教師あり CNN: ラベル付き画像のみで訓練された ConvNeXt 構造を用い、ピクセルデータから直接赤方偏移を予測する。
   • 自己教師あり CNN: 対比学習（MoCo）を用いてすべてのラベルなし画像で事前学習を行い、潜在表現を学習する 2 段階のアプローチ。その後、赤方偏移予測のためにラベル付きサブセットで微調整を行う。
   • 半教師あり CNN（PITA）: 3 つの損失関数を同時に最適化する新しい「三重タスクアルゴリズムによる光学的赤方偏移推定（Photo-z Inference with a Triple-task Algorithm）」。
     • 対比損失（$L_{contrastive}$）: 形態的特徴を捉えるために、すべての画像（ラベル付きおよびラベルなし）から学習される。
     • 色損失（$L_{color}$）: 潜在空間が測光色をエンコードすることを保証するために、すべての画像から学習される。
     • 赤方偏移損失（$L_{z}$）: 潜在空間を赤方偏移値に整合させるために、ラベル付き画像のみから学習される。

著者らは、自己教師ありおよび半教師ありモデルによって生成された潜在空間を可視化するために、一様多様体近似および射影（UMAP）を採用し、これらの空間が等級、色、形態、および赤方偏移をどの程度よくエンコードしているかを分析した。

主要な結果

• 性能指標: 半教師ありの PITA アルゴリズムは、明るい天体（$m_{F160W} < 22$）と暗い天体（$m_{F160W} < 25$）の両方において、すべての指標（バイアス、正規化中央絶対偏差 $\sigma_{NMAD}$、および外れ値割合 $f_{outlier}$）で最良の性能を達成した。測光ベースの MLP ベースラインと比較して、PITA は完全なテストセットにおいてバイアスを 34%、$\sigma_{NMAD}$ を 14%、$f_{outlier}$ を 17% 削減し、明るい天体についてはさらに大きな改善が見られた。
• 深層学習対測光: 完全教師あり CNN は、テンプレート適合法および測光のみの ML 手法の両方を上回り、暗く高赤方偏移の銀河であっても、ピクセルレベルの情報には統合フラックスを超えた赤方偏移に関連する追加データが含まれていることを確認した。
• 純粋な自己教師あり学習の失敗: 対比学習に基づく自己教師ありアプローチは、以前の低赤方偏移の研究では成功していたが、この高赤方偏移領域では完全教師あり CNN に比べて性能が劣った。UMAP 可視化により、自己教師ありの潜在空間は主に等級とサイズ（形態）をエンコードしていたが、色と赤方偏移の滑らかな勾配を捉えられず、photo-z 推定に大きな変動をもたらしたことが明らかになった。
• ラベル不足に対するスケーラビリティ: PITA は、ラベル付き学習セットのサイズが大幅に削減された場合でも、堅牢な性能を維持した。ラベル数が減少すると急速に性能が低下する完全教師ありモデルとは異なり、PITA は対比損失と色損失を通じて情報に富んだ特徴を学習するためにラベルなしデータを活用しつつ、疎なラベルを使用して回帰のための潜在空間を整合させることで、優れた精度を維持した。

意義と主張
本論文は、ローマン宇宙望遠鏡において、特に高赤方偏移かつ暗い等級の天体では、分光ラベルが大部分の天体に対して疎になるため、半教師あり深層学習が最適な戦略であると主張している。著者らは、純粋な自己教師あり手法は、ピクセルデータにおける支配的な変動が色ではなく明るさと形態によって駆動されるため、深遠な宇宙空間データセットにおける photo-z 推定に必要な特定の物理的性質（色と赤方偏移）をエンコードすることに失敗する可能性があるとしている。

PITA アルゴリズムの導入により、著者らはドメイン知識（具体的には、赤方偏移に加えて測光色の明示的な予測）を統合することが、潜在空間を物理的に情報豊かに導くことを実証した。これにより、疎な訓練赤方偏移間の滑らかな補間が可能となり、ラベルに恵まれた明るい天体とラベルが不足している暗い天体の両方に対して、正確な photo-z 推定を可能にする。本研究は、将来のサーベイが、深遠な観測ミッションからの科学的成果を最大化するために、ラベルなし画像データとドメイン固有の制約（色など）を組み合わせた半教師ありアプローチを採用すべきであると結論づけている。