Estimating the completeness of the QUBRICS Survey with 3501 QSO redshifts from Gaia DR3 spectra

Dit artikel presenteert de schatting van de volledigheid van de QUBRICS-hemelonderzoek, waarbij 3501 nieuwe quasar-roodverschuivingen uit Gaia DR3-spectra worden gebruikt om de hoge efficiëntie van de selectiemethoden te bevestigen en betrouwbare data te leveren voor toekomstige kosmologische studies.

De kern

De Grote Kwestie: Hoe goed is de QUBRICS-lijst van sterrenkijkers?

Stel je voor dat je een enorme, donkere zee van sterrenkijkers (quasars) wilt bevissen. Deze objecten zijn als vuurtorens in het heelal: ze schijnen fel en ver, waardoor astronomen de structuur van het universum kunnen bestuderen. Maar er is een probleem: in het verleden hebben we vooral in het noorden van de hemel gevist. Het zuiden was een "donker gat" waar we weinig van wisten.

Om dit recht te zetten, startte het QUBRICS-project in 2019. Hun doel? Het vinden van nieuwe, heldere vuurtorens in het zuidelijke heelal. Ze gebruikten slimme computers (kunstmatige intelligentie) om uit miljarden sterren de juiste vuurtorens te filteren.

Maar nu rijst de vraag: Is hun visnet wel goed genoeg?
Hebben ze alle vuurtorens gevangen, of zijn er veel door het gaas geglipt? En hoe betrouwbaar is hun lijst?

Dit artikel is het antwoord op die vraag. De onderzoekers hebben een onafhankelijke "controlelijst" gemaakt om te zien hoe goed hun computerprogramma's eigenlijk zijn.

De Methode: Een nieuwe, onafhankelijke lijst

Om te testen of hun computer slim genoeg is, hebben de onderzoekers niet naar hun eigen lijst gekeken (dat zou als een spiegel zijn: je ziet alleen wat je zelf hebt gezet). In plaats daarvan keken ze naar een heel andere bron: de Gaia-ruimtesonde.

Gaia heeft een gigantische database met spectra (lichtboogjes) van miljoenen objecten. De onderzoekers hebben hieruit 3.501 objecten gehaald die ze met de hand hebben gecontroleerd en bevestigd als echte quasars. Dit is hun "Gouden Referentielijst".

Stel je voor:

• De QUBRICS-computer is een jager die probeert de beste jagers te vinden.
• De Gaia-lijst is een onafhankelijke inspecteur die zegt: "Kijk, hier zijn 3.501 echte jagers die we zeker weten."

Nu kijken ze: Hoeveel van die 3.501 echte jagers heeft de QUBRICS-computer ook gevonden?

De Twee Jagers: XGB en PRF

Het QUBRICS-project gebruikt twee verschillende "jagers" (algoritmen) om de quasars te vinden:

1. De XGB-jager: Een zeer geavanceerde computer die niet alleen zegt "dit is een quasar", maar ook probeert te raden hoe ver weg hij is.
2. De PRF-jager: Een iets andere computer die vooral goed is in het indelen van objecten in categorieën.

De Resultaten: Hoe goed scoorden ze?

Toen ze de "Gouden Referentielijst" (Gaia) vergeleken met wat de computers hadden gevonden, kwamen ze tot deze conclusies:

1. De XGB-jager is een sterrenjager:

• Van de quasars die de computer niet eerder kende, vond hij 89% correct.
• Dit betekent dat als er 100 nieuwe vuurtorens in het zuiden staan, de XGB-computer er 89 van ziet en zegt: "Die moeten we bekijken!"
• Alleen bij de allerzwakste of net onder de drempel liggende vuurtorens (rond de grens van $z=2.5$) mist hij er soms een paar.

2. De PRF-jager is goed, maar iets minder scherp:

• Deze vond 66% van de nieuwe quasars.
• Hij mist meer dan de XGB, vooral bij objecten die net boven de drempel zitten. Hij is een beetje te streng en gooit soms een echte vuurtoren weg omdat hij denkt dat het een gewone ster is.

3. De totale vangst:

• Als je kijkt naar alle quasars die er misschien zijn in het zuiden, heeft QUBRICS er nu ongeveer 82% van al gevonden en bevestigd.
• Als ze nu ook de lijst van de XGB-jager gaan bekijken (de 89% die hij nog heeft gevonden), stijgt dit percentage naar ongeveer 87%. Dat is een enorm succes!

Waarom is dit belangrijk?

In de wetenschap is het cruciaal om te weten of je lijst "volledig" is.

• Als je een lijst maakt van alle rijke mensen in een stad, maar je mist de helft van de rijksten, dan is je berekening over de totale rijkdom in die stad verkeerd.
• Hetzelfde geldt voor het heelal. Als we niet weten hoeveel quasars er echt zijn, kunnen we niet precies berekenen hoe het universum is opgebouwd of hoe het is veranderd sinds de Big Bang.

De "Bijvangst": 1223 nieuwe ontdekkingen

Tijdens dit onderzoek deden ze nog iets moois: ze vonden 1.223 nieuwe quasars die niemand eerder kende!

• Veel daarvan zijn nog niet eerder gezien door andere telescopen.
• Dit is als een visser die, terwijl hij zijn net controleert, ook nog eens een hele nieuwe schat aan schelpen vindt die hij meeneemt voor zijn collectie.
• Deze nieuwe objecten helpen de computer in de toekomst nog slimmer te worden.

Conclusie

Dit artikel zegt eigenlijk: "Onze methode werkt uitstekend!"
De QUBRICS-survey is een betrouwbare manier om de donkere hoeken van het zuidelijke heelal te verkennen. De computer (vooral de XGB-versie) is zo goed dat we er zeker van kunnen zijn dat we een bijna complete lijst hebben van de helderste vuurtorens in het zuiden. Dit geeft astronomen het vertrouwen om met deze data de grootste mysteries van het heelal op te lossen, zoals de uitdijing van het universum en de oorsprong van zwarte gaten.

Kortom: Het visnet is gecontroleerd, het is gaaf, en we vangen er bijna alles mee.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Estimating the completeness of the QUBRICS Survey with 3501 QSO redshifts from Gaia DR3 spectra" in het Nederlands.

Probleemstelling

Quasi-Stellair Objecten (QSO's) zijn cruciaal voor het bestuderen van de structuur en evolutie van het heelal, waaronder donkere materie, donkere energie en de re-ionisatie van het universum. Historisch gezien zijn surveys voor QSO's sterk gefocust op het noordelijk halfrond, wat heeft geleid tot een asymmetrie in de data. Het QUBRICS-survey (QUasars as BRIght beacons for Cosmology in the Southern hemisphere) is opgestart om deze asymmetrie te corrigeren door heldere ($i < 19.5$) QSO's met hoge roodverschuiving ($2.5 < z < 6$) in het zuidelijk halfrond te identificeren.

Echter, voor statistisch robuuste kosmologische studies is het essentieel om de compleetheid (completeness) en recall van de gebruikte selectiemethoden te kennen. Bestaande surveys bleken vaak 30-40% onvolledig te zijn bij hoge roodverschuivingen. De QUBRICS survey maakt gebruik van twee machine learning-algoritmen voor de fotometrische selectie van kandidaten: XGB (eXtreme Gradient Boosting) en PRF (Probabilistic Random Forest). De vraag was hoe betrouwbaar deze methoden zijn in het vinden van alle beschikbare QSO's, zonder voorafgaande spectroscopische bevestiging.

Methodologie

Om een onafhankelijke en onbevooroordeelde schatting te maken van de compleetheid en recall, hebben de auteurs een nieuwe, onafhankelijke steekproef van QSO's samengesteld op basis van Gaia DR3-data.

1. Onafhankelijke Steekproef:

   • Geselecteerd uit de Gaia DR3 catalogus met lage-resolutie BP/RP-spectra (330-1050 nm).
   • Criteria: $G < 18.25$, $|b| > 25^\circ$ (vermijden van het galactisch vlak), verwaarloosbare eigenbeweging en parallax.
   • Verwerking: Spectra werden geanalyseerd met de software Marz om roodverschuivingen te bepalen via kruiscorrelatie met QSO-templates.
   • Kwaliteitscontrole: Visuele inspectie resulteerde in een kwaliteitsrating (QOP). Alleen spectra met QOP $\ge$ 2 werden geselecteerd.
   • Resultaat: Een steekproef van 3501 QSO's, waarvan 1115 een roodverschuiving $z > 2.5$ hebben.

2. Validatie:

   • De 3501 QSO's werden gekruist met de bestaande QUBRICS-database.
   • Voor de 2278 objecten die al gekend waren, werden de Gaia-gebaseerde roodverschuivingen ($z_{QU\_G}$) vergeleken met bestaande spectroscopische waarden ($z_{spec}$).
   • De standaardafwijking van het verschil was $\sigma_z \approx 0.015$, wat de betrouwbaarheid van de Gaia-gebaseerde metingen bevestigt.

3. Bepaling van Compleetheid en Recall:

   • De auteurs definieren vier metrics:
     • Dataset compleetheid: Aantal QSO's in de dataset / totaal aantal QSO's aan de hemel.
     • Spectroscopische compleetheid: Aantal spectroscopisch bevestigde QSO's / totaal aantal QSO's.
     • Selectie recall: Aantal voorspelde QSO's (onder de ongeclassificeerde) / totaal aantal ongeclassificeerde QSO's.
     • Selectie compleetheid: Recall $\times$ Dataset compleetheid.
   • De onafhankelijke Gaia-steekproef werd gekruist met de datasets die gebruikt werden voor de XGB- en PRF-selectie om te zien hoeveel QSO's werden gemist of correct geïdentificeerd.

Belangrijkste Bijdragen

• Onafhankelijke Validatie: Voor het eerst wordt de prestatie van de QUBRICS-selectiealgoritmen getest tegen een volledig onafhankelijke dataset (Gaia DR3 spectra), in plaats van alleen interne validatie.
• Nieuwe QSO's: De analyse resulteerde in de identificatie van 1223 nieuwe QSO's die nog niet in de database stonden (met een mediaan roodverschuiving van $z=2.1$ en $G=17.8$).
• Kwantificering van Prestaties: Het leveren van nauwkeurige schattingen voor recall en compleetheid voor zowel XGB als PRF, essentieel voor het corrigeren van bias in kosmologische analyses.

Resultaten

1. Spectroscopische Compleetheid van QUBRICS:
Van de 1115 QSO's in de Gaia-steekproef met $z > 2.5$, waren er 910 (82%) al spectroscopisch bevestigd in de QUBRICS-database. Dit betekent dat de huidige spectroscopische compleetheid 82% bedraagt voor heldere QSO's met hoge roodverschuiving.

2. XGB-selectie (eXtreme Gradient Boosting):

• Dataset Compleetheid: 98% van de Gaia-QSO's binnen het XGB-footprint was aanwezig in de dataset.
• Recall: Van de 152 ongeclassificeerde QSO's ($z > 2.5$) in de XGB-dataset, werden er 136 correct geïdentificeerd als kandidaten.
  • Recall: 89% ($\pm 3\%$).
  • Selectie Compleetheid: $0.98 \times 0.89 \approx$ 87%.
• De XGB-methode presteert het best, vooral omdat deze regressie (roodverschuivingsschatting) combineert met classificatie, wat helpt bij het onderscheiden van objecten dicht bij de $z=2.5$ drempel.

3. PRF-selectie (Probabilistic Random Forest):

• Dataset Compleetheid: 97% van de Gaia-QSO's binnen het PRF-footprint was aanwezig.
• Recall: Van de 69 ongeclassificeerde QSO's ($z > 2.5$) in de PRF-dataset, werden er 46 correct geïdentificeerd.
  • Recall: 66% ($\pm 6\%$).
  • Selectie Compleetheid: $0.97 \times 0.66 \approx$ 64%.
• PRF is puur een classificatie-algoritme en mist de mogelijkheid om roodverschuivingafhankelijke effecten te modelleren, wat leidt tot een lagere recall, vooral bij $z < 3$.

4. Gemiste Objecten:
De objecten die door beide algoritmen werden gemist, bevonden zich vaak dicht bij de $z=2.5$ drempel of hadden fotometrische eigenschappen die leken op lage-roodverschuiving QSO's of sterren.

Significantie en Conclusie

De studie bevestigt dat de QUBRICS-selectiemethoden zeer efficiënt zijn, met name de XGB-methode met een recall van 89%.

• Kosmologische Betrouwbaarheid: De hoge recall garandeert dat statistische studies (zoals de luminositeitsfunctie van QSO's en het bestuderen van het intergalactische medium) gebaseerd op QUBRICS-data betrouwbaar zijn en niet sterk vertekend door selectie-effecten.
• Toekomstige Verbetering: Door de 1223 nieuwe QSO's toe te voegen aan de trainingsset en door de bevindingen over de gemiste objecten (vooral rond $z=2.5$) te gebruiken, kunnen toekomstige selecties worden verbeterd.
• Voorbereiding op Nieuwe Telescopen: Deze inzichten zijn cruciaal voor de voorbereiding op toekomstige observaties met 40-meter telescopen (zoals ELT/ANDES), die de roodverschuivingsdrift zullen meten.

Kortom, dit werk levert de noodzakelijke statistische onderbouwing om QUBRICS-data te gebruiken voor precieze kosmologische metingen en identificeert specifieke gebieden waar de selectie-algoritmen nog kunnen worden verfijnd.