Photometric Redshift Estimation for Rubin Observatory Data Preview 1 with Redshift Assessment Infrastructure Layers (RAIL)

Resumo Técnico: Estimativa de Redshift Fotométrico para os Dados da Previsão 1 do Observatório Rubin com Redshift Assessment Infrastructure Layers (RAIL)

Definição do Problema
O Legacy Survey of Space and Time (LSST) do Observatório Vera C. Rubin visa investigar a energia escura por meio de lentes gravitacionais fracas, estrutura em grande escala e supernovas. Essas sondagens cosmológicas exigem redshifts fotométricos ($z_{phot}$) precisos e acurados para bilhões de galáxias para selecionar amostras, definir compartimentos tomográficos e inferir distribuições de redshift de conjunto ($n(z)$). A Previsão 1 de Dados (DP1) do Observatório Rubin, utilizando a LSST Commissioning Camera (LSSTComCam), fornece os primeiros dados observacionais reais para validar os pipelines de processamento. Este artigo aborda o desafio de estimar o $z_{phot}$ a partir dos dados da DP1, avaliando o desempenho de vários algoritmos e estabelecendo uma linha de base para operações futuras do LSST.

Metodologia
O estudo emprega a estrutura Redshift Assessment Infrastructure Layers (RAIL) para aplicar oito algoritmos distintos de $z_{phot}$ à fotometria da DP1. A análise foca em dois campos primários:

1. Extended Chandra Deep Field South (ECDFS): Utilizando cobertura profunda de 6 bandas ($ugrizy$).
2. Rubin_SV_38_7: Utilizando cobertura de 4 bandas ($griz$).

Preparação de Dados:

• Fotometria de Entrada: Os autores utilizam fluxos Gaap1p0 (Abertura Gaussiana de 1") do catálogo de objetos coadd da DP1.
• Seleção: As galáxias são selecionadas com SNR de fluxo PSF na banda $i > 5$ e critérios de fonte estendida ($g_{extendedness} > 0,5$, $r_{extendedness} > 0,5$).
• Amostra de Referência: Um catálogo de referência foi construído no campo ECDFS através do cruzamento de objetos da DP1 com dados espectroscópicos ($spec$-$z$), grism e dados de foto-$z$ de múltiplas bandas de alta qualidade de múltiplos levantamentos (ex: 3D-HST, ASTRODEEP, CANDELS, PRIMUS). Este conjunto de referência foi dividido em 70% para treinamento e 30% para teste, com um limiar de confiança > 0,9.
• Validação: Um conjunto de validação independente foi criado cruzando o campo SV_38_7 com amostras espectroscópicas do DESI Data Release 1 (DR1) (BGS, LRG, ELG).
• Integração com Euclid: Um subconjunto dos dados do ECDFS foi cruzado com o Euclid Quick Data Release (Q1) para incorporar fotometria de Infravermelho Próximo (NIR) $YJH$.

Algoritmos Avaliados:
O estudo compara duas categorias de métodos:

1. Ajuste de Template (Template-Fitting): BPZ e LePhare. Estes comparam a fotometria observada a templates de distribuição de energia espectral (SED), aplicando priors e minimização de $\chi^2$.
2. Aprendizado de Máquina (ML): FlexZBoost, TPZ, kNN, CMNN, GPz e DNF. Estes aprendem mapeamentos empíricos de fotometria multibanda para redshifts de referência.

Fluxo de Trabalho:
Os autores utilizaram o RAIL_projects para o gerenciamento do fluxo de trabalho, testando diferentes "sabores" de configurações (6 bandas, 4 bandas e 6 bandas + Euclid NIR). Hiperparâmetros foram ajustados (ex: aumentando a contagem de árvores no TPZ, ajustando funções de base no FlexZBoost) para otimizar o desempenho.

Principais Contribuições

• Primeira Análise Sistemática da DP1: Este trabalho apresenta a primeira aplicação sistemática da estrutura RAIL a dados reais da LSSTComCam, produzindo funções de densidade de probabilidade (PDFs) por galáxia, estimativas pontuais e $n(z)$ de conjunto.
• Benchmarking de Algoritmos: Uma comparação abrangente de oito algoritmos através de diferentes profundidades de dados (4 bandas vs. 6 bandas) e intervalos de redshift.
• Construção do Catálogo de Referência: A montagem de um catálogo de referência de alta qualidade e múltiplas pesquisas no ECDFS especificamente adaptado para treinar e validar pipelines de foto-$z$ do LSST.
• Impacto do NIR do Euclid: Uma avaliação do benefício específico da adição de fotometria NIR $YJH$ do Euclid aos dados ópticos do LSST.

Resultos

• Métricas de Desempenho:
  • Em todos os dados de 6 bandas, os algoritmos de aprendizado de máquina alcançaram um desvio absoluto mediano normalizado (espalhamento) de $\sigma_{NMAD} \sim 0,03$ e frações de outliers ($\eta_{0,15}$) em torno de 10–15%.
  • O viés geral para algoritmos baseados em ML foi $< 0,005$, satisfazendo o requisito do LSST Ano 1 (Y1) para viés de redshift.
  • O espalhamento para todos os algoritmos foi $< 0,1$, satisfazendo o requisito do LSST Y1 para espalhamento.
  • Degradação: O desempenho degrada significamente em magnitudes tênues ($i > 23$) e redshifts altos ($z > 1,2$), onde os dados de treinamento são escassos.
  • Especificidades dos Algoritmos: O FlexZBoost alcançou a maior precisão de compartimentação tomográfica (78,1%). Métodos de ajuste de template (BPZ, LePhare) mostraram maiores vieses e modos de falha específicos, como identificar erroneamente galáxias de quebra de Lyman em alto $z$ como galáxias de quebra de Balmer em baixo $z$.
• Distribuições de Conjunto:
  • No conjunto de teste do ECDFS, a maioria dos algoritmos recuperou com sucesso a distribuição $n(z)$ empilhada verdadeira.
  • No campo SV_38_7 (profundidade/conjunto de filtros diferente), alguns métodos de ML exibiram artefatos (ex: caudas de alto $z$, picos em $z \sim 0,7$) devido ao descompasso entre o conjunto de treinamento do ECDFS e a população alvo do SV_38_7. O DNF forneceu o $n(z)$ menos enviesado neste campo.
• Impacto do NIR do Euclid: A inclusão da fotometria $YJH$ do Euclid reduziu significativamente o viés, o espalhamento e as taxas de outliers para galáxias em $z > 1,2$. No entanto, para a maior parte da amostra ($z < 1,2$), a melhoria foi mínima devido à concentração de dados de treinamento em redshifts mais baixos.
• Calibração: Gráficos de Transformada Integral de Probabilidade (PIT-QQ) indicaram que, embora a maioria dos métodos seja bem calibrada, alguns (ex: CMNN) fornecem barras de erro excessivamente confiantes, e os métodos de ajuste de template mostraram assimetria de PDF em direção a redshifts altos.

Significância e Alegações
O artigo afirma que o pipeline RAIL está pronto para produzir redshifts fotométricos para dados do LSST, demonstrando um "desempenho inicial promissor" em dados reais de comissionamento. Os resultados validam que:

1. Algoritmos de aprendizado de máquina podem atender aos requisitos de viés e espalhamento do LSST Y1 quando treinados em amostras representativas e de alta significância.
2. O pipeline gera com sucesso tanto PDFs por galáxia quanto estimativas de $n(z)$ de conjunto, essenciais para análises de lentes fracas e agrupamentos.
3. A inclusão de dados NIR (Euclid) é benéfica para populações de alto redshift, embora seu impacto seja limitado pela atual falta de dados de treinamento de referência em alto $z$.

Os autores explicitamente notam limitações: o tamanho e a profundidade do conjunto de treinamento limitam a robustez além de $z \approx 1,2$; alguns algoritmos têm dificuldade com não-detecções; e a otimização de hiperparâmetros foi limitada. Eles concluem que, embora o pipeline seja funcional, trabalhos futuros devem abordar a variância da amostra, o tratamento de não-detecções e a otimização adicional para maximizar o desempenho no catálogo completo de objetos do LSST.