Photometric classification of quasars from DES and photo-$z$ estimation with Machine Learning

技術的概要：DES からのクエーサーの測光分類と機械学習を用いた光学的赤方偏移推定

問題提起
クエーサーは、宇宙の歴史、大規模構造、および銀河間媒体を研究するための重要なプローブとして機能する。しかし、その形態が恒星（どちらも点光源として観測される）と類似しており、特定の恒星種（例えば、高温の青い恒星や低温の赤色矮星）と色が重なるため、測光による同定は複雑である。固定された色カットや形態分析などの従来の選択手法は、特に紫外線特徴が光学バンドにシフトする高赤方偏移領域において、これらの曖昧さを解決できず、失敗することが多い。誤分類は、バリオン音響振動（BAO）のような宇宙論的測定を損なう測光赤方偏移（photo-z）推定に系統誤差をもたらす。さらに、既存のカタログはしばしば拡張源（銀河）に焦点を当てており、点状天体は頻繁に除外されているため、宇宙論分析におけるクエーサー集団の特性評価にギャップが存在する。

手法
著者らは、ダークエネルギー調査（DES）とスローン・デジタル・スカイサーベイ（SDSS）のデータを用いて、点状天体を分類し、その測光赤方偏移を推定するための包括的なパイプラインを構築した。

1. データ準備:

   • 測光: DES データリリース 2（DR2）は、$g, r, i, z, Y$ バンドにおける点状天体の測光データを提供した。
   • 分光: SDSS データリリース 16（DR16）は、分光分類（クエーサー、恒星、銀河）および赤方偏移を提供した。
   • クロスマッチ: DES DR2 と SDSS DR16 の間の位置クロスマッチ（許容誤差 1 秒角）により、168,738 個の天体の初期サンプルが得られた。このサンプルは、分類モデルの訓練用に 75%、テスト用に 25% に分割された。

2. クエーサー分類（恒星 vs クエーサー/銀河）:

   • アルゴリズム: K 近傍法（KNN）分類器が採用された。
   • 特徴量選択: 著者らは、等級、フラックス、スプレッドモデルパラメータなど様々な特徴量をテストした。その結果、$g, r, i, z$ バンドの PSF 等級が、恒星と非恒星（クエーサー/銀河）の間の最適な分離を提供することが判明した。形態的スプレッドパラメータは、初期の DES 選択ですでに点状天体がフィルタリングされていたため、効果的であることが少なかった。
   • 最適化: 恒星の汚染を最小化するため、厳密な精度閾値 0.99 を維持しつつリコールを最大化するようにモデルが調整された。最適なハイパーパラメータは、確率閾値 0.8 を伴う $k=11$ の近傍数であった。

3. 測光赤方偏移推定:

   • ハイブリッドアプローチ: ANNz フレームワークからのブースト決定木（BDT）と scikit-learn からの決定木回帰（DTR）を組み合わせるハイブリッド機械学習モデルが開発された。
   • 特徴量: 回帰には、色指数（$g-r, r-i, i-z, z-y$）、赤色補正された$r$バンド等級、およびクローン半径が利用された。
   • 外れ値の軽減: 壊滅的な外れ値（$|z_{photo} - z_{spec}| \geq 0.4$ と定義される）に対処するため、スタックアンサンブル分類器が開発された。このアンサンブルは、外れ値を特定・フィルタリングするために、k 近傍法（kNN）、勾配ブースティング（GB）、およびランダムフォレスト（RF）分類器を組み合わせた。

4. カタログ構築:

   • パイプラインは、DES DR2 の点状天体サンプル全体（約 5000 万個）に適用された。
   • 選択カットが適用され、データが訓練セットでカバーされる特徴量空間（特定のパーセンタイル間の等級およびクローン半径の制約）に制限された。
   • 汚染を防ぐため、明るい局所銀河および矮星系の周囲の領域を除外するマスクが適用された。

主要な結果

• 分類性能: 最適化された KNN モデルは、精度 0.99 においてリコール 0.77 を達成した。精度 - リコール曲線下面積（AUC-PR）は 0.975 であった。
• 赤方偏移推定: ハイブリッド BDT+DTR モデルは、$0.5 < z < 3$ の範囲で小さな誤差を持つ主要な天体群を生成した。$z \approx 4$ において、明確な集団が正常に回復された。
• 外れ値の削減: スタック外れ値分類器は、壊滅的な外れ値の割合を大幅に減少させた。外れ値の特定のための最終的な分類閾値は、精度 0.9、リコール 0.73 を達成するように設定された。
• カタログ統計:
  • 全サンプル: 初期の測光クエーサーカタログには 872,373 個の天体が含まれる。
  • クリーン化されたサンプル: 外れ値除去後、カタログには 675,683 個の天体が含まれる。
  • 赤方偏移範囲: カタログは $z \approx 0.5$ から $z > 3$ まで広がり、ピークは $z \sim 1.5$ である。
  • 高赤方偏移サブセット: $z \geq 3.5$ の 10,756 個の天体の特定のサブセットが特定された。著者らは、この高赤方偏移範囲において、壊滅的な外れ値が $z \approx 3.5$ を超えて広がらないため、外れ値除去を行わない大規模なカタログの方が信頼性が高いと指摘している。

意義と主張
本論文は、拡張源に焦点を当てた既存の銀河カタログ（例えば参考文献 [58] のもの）を補完するために設計された、DES DR2 から導出された点状天体（クエーサー/銀河）の堅牢で大規模なカタログを提供すると主張している。

• 相補性: この研究は、点状天体専用のリソースを提供することで宇宙論的データセットのギャップを埋め、ダークエネルギー、構造成長、および初期の非ガウス性に関する制約を改善するために、銀河カタログとの共同分析を可能にする。
• 信頼性: 著者らは、クリーン化されたカタログ（675,683 個の天体）が $0 < z < 3$ の範囲における大規模構造の研究に適していると主張している。
• 高赤方偏移での有用性: このカタログは、高赤方偏移集団がサンプルサイズが小さいにもかかわらず確実に同定される領域である、$z \approx 4$ の初期宇宙を探るための貴重なリソースとして強調されている。
• 方法論的貢献: この研究は、スタック外れ値分類器と組み合わせたハイブリッド機械学習アプローチが、高いサンプル完全性を維持しながら壊滅的な赤方偏移誤差を効果的に軽減することを示しており、LSST や Euclid などの将来の測光サーベイのためのテンプレートを提供している。

著者らは、この研究を、宇宙の大規模構造をマッピングするために光学カタログとの相互相関を利用する電波サーベイ（例えば、BINGO、SKA）との相乗効果において、特に将来の宇宙論的調査のための基礎的なステップとして位置づけている。