Redshift Assessment Infrastructure Layers (RAIL): Rubin-era photometric redshift stress-testing and at-scale production
Este artigo apresenta a versão 1 do RAIL, uma biblioteca Python de código aberto desenvolvida para estimar e avaliar em grande escala as redshifts fotométricas probabilísticas de galáxias, oferecendo ferramentas modulares para simulação, cálculo e métricas que atendem às necessidades de precisão do Observatório Vera C. Rubin e de outras comunidades científicas.
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