An Enhanced Catalog of Gaia DR3 Galaxy Candidates with Spectroscopic and Machine-Learning Photometric Redshifts

Resumo Técnico: Um Catálogo Aprimorado de Candidatos a Galáxias do Gaia DR3 com Redshifts Espectroscópicos e Fotométricos Baseados em Aprendizado de Máquina

Definição do Problema
A tabela "galaxy_candidates" do Gaia Data Release 3 (DR3) fornece uma amostra sem precedentes de todo o céu de aproximadamente 4,8 milhões de potenciais fontes extragalácticas. No entanto, a utilidade científica deste catálogo para estudos cosmológicos e extragalácticos é significativamente limitada por duas limitações primárias: a ausência de informações de redshift para a maioria das fontes e uma pureza de fonte relativamente baixa (estimada em 50–70%). A seleção original priorizou a completude em detrimento da pureza e, sem dados de redshift, a estimativa de distância e a análise estatística são impossíveis para a maioria das entradas.

Metodologia
Para abordar essas limitações, os autores construíram um catálogo aprimorado integrando redshifts espectroscópicos ($z_{spec}$) e redshifts fotométricos ($z_{phot}$) baseados em aprendizado de máquina.

1. Integração de Redshift Espectroscópico:
   Os candidatos a galáxias do Gaia DR3 foram cruzados com quatro catálogos externos de redshift espectroscópico: DESI DR1, SDSS DR17, 2MRS e NED. Os critérios de correspondência basearam-se em limiares de separação angular específicos para cada catálogo. Em casos de múltiplas correspondências, uma ordem de prioridade foi aplicada (DESI > SDSS > 2MRS > NED). Este processo atribuiu redshifts espectroscópicos a 24,5% do catálogo total.

2. Estimativa de Redshift Fotométrico (MBRNN):
   Para fontes carentes de medições espectroscópicas, os redshifts fotométricos foram estimados usando uma Rede Neural de Regressão de Múltiplos Binários (MBRNN).

   • Características de Entrada: O modelo utilizou um conjunto de dados multi-comprimento de onda combinando fotometria do Gaia DR3 ($G, G_{BP}, G_{RP}$), 2MASS XSC (infravermelho próximo $J, H, K_s$) e unWISE (infravermelho médio $W1, W2$). Para lidar com a cobertura espectral limitada apenas do Gaia, o conjunto de entrada foi expandido para 24 características, incluindo magnitudes de Sérsic (como contrapartes de fontes estendidas para magnitudes de PSF), parâmetros de forma (elipticidade, índice de Sérsic), flags de classificação de QSO e valores de extinção galáctica ($E(B-V)$).
   • Arquitetura do Modelo: A MBRNN é um perceptron multicamadas (MLP) de alimentação direta com nove camadas totalmente conectadas. Ela prevê a distribuição de probabilidade do redshift de uma fonte através de 64 bins predefinidos (51 bins abrangendo $-0,082 \le z \le 1$ e 13 bins cobrindo $1 \le z \le 7$).
   • Treinamento: O modelo foi treinado na subamostra espectroscópica (80% treinamento, 10% validação, 10% teste) usando uma função de perda de regressão logística com o otimizador Adam.

3. Pontuação de Outlier e Confiabilidade:
   Uma pontuação de outlier probabilística ($P_0$) foi desenvolvida usando inferência Bayesiana para quantificar o risco de uma fonte ser um outlier estatístico (seja um contaminante Galáctico ou uma falha catastrófica de redshift).

   • As fontes foram categorizadas em subconjuntos: Conjunto A ($z_{spec} < 0,0017$, provavelmente estrelas Galácticas), Conjunto B (superestimação de $z_{phot}$) e Conjunto C (subestimação de $z_{phot}$).
   • As distribuições de verossimilhança foram modeladas em espaços de cor-cor e cor-magnitude ($G$ vs. $W1-W2$, $G-RP$ vs. $G$, etc.) usando ajustes Gaussianos 2D.
   • A probabilidade posterior $P(outlier|x)$ foi calculada para atribuir uma pontuação de confiabilidade a cada fonte.

Principais Resultados

• Composição do Catálogo: O catálogo final contém 4.842.342 fontes. Redshifts espectroscópicos estão disponíveis para 1.184.906 fontes (24,5%), enquanto redshifts fotométricos são fornecidos para as restantes 74,4% (3.601.132 fontes). Aproximadamente 1,2% das fontes carecem de dados fotométricos suficientes para o cálculo de $P_0$.
• Métricas de Desempenho: No conjunto de teste, o modelo MBRNN alcançou um viés de 0,0014, uma Diferença Absoluta Média (MAD) de 0,0192 e um Desvio Absoluto Mediano Normalizado (NMAD) de 0,0021. O desvio padrão ($\sigma$) dos resíduos foi de 0,0739.
• Análise de Características: Um estudo de ablação confirmou que todas as 24 características de entrada contribuem para o desempenho do modelo; remover qualquer característica individual ou reduzir o conjunto para 15 características resultou em métricas de desempenho iguais ou degradadas.
• Identificação de Outliers: A análise de outliers identificou com sucesso contaminantes Galácticos (Conjunto A) e fontes com grandes erros de redshift (Conjuntos B e C). A pontuação $P_0$ distingue efetivamente fontes extragalácticas confiáveis de contaminantes, com pontuações mais baixas indicando maior confiabilidade.

Significância e Alegações
Os autores alegam que este trabalho aumenta significativamente o valor científico da amostra de candidatos a galáxias do Gaia DR3 ao fornecer um conjunto de dados de redshift completo para quase todo o catálogo. A integração da fotometria de múltiplos comprimentos de onda com o modelo MBRNN produz precisão e exatidão de redshift superiores em comparação com estimativas anteriores baseadas apenas nos dados do Gaia.

Além disso, a inclusão da pontuação de confiabilidade $P_0$ adiciona uma camada crítica de controle de qualidade, permitindo que pesquisadores filtrem contaminantes Galácticos e fontes com redshifts não confiáveis. O catálogo resultante é apresentado como um recurso robusto para estudos extragalácticos e cosmológicos de grande escala, permitindo análises dependentes de distância que antes eram limitadas pela falta de informações de redshift na liberação do Gaia DR3. Os autores também observam que as baixas pontuações de $P_0$ facilitaram a identificação de novas galáxias, anteriormente não confirmadas, demonstrando a utilidade do catálogo para descoberta.