Accelerating lensed quasars discovery and modeling with physics-informed variational autoencoders

要約

強いレンズのクエーサーは、宇宙の膨張速度、前景偏向器内の暗黒物質の分布、およびクエーサーホストの特性についての貴重な洞察を提供します。
しかし、レンズを持たない物体が蔓延しているため、天体画像でそれらを検出することは困難です。
この課題に対処するために、私たちは物理学に基づいた変分オートエンコーダーに基づいて構築された、VariLens と呼ばれる生成深層学習モデルを開発しました。
このモデルは、画像再構成、オブジェクト分類、レンズ モデリングという 3 つの重要なモジュールをシームレスに統合し、強力なレンズ分析に対する迅速かつ包括的なアプローチを提供します。
VariLens は、(1) 物体がレンズ系である確率と、(2) アインシュタイン半径 ($\theta_\mathrm{E} を含む) 特異等温楕円体 (SIE) 質量モデルの重要なパラメーターの両方を迅速に決定することができます。
$)、レンズ中心、楕円率 — 単一の CPU を使用してわずか数ミリ秒で測定できます。
すばる Hyper Suprime-Cam (HSC) のフットプリント内にある 20 個の既知のレンズ付きクエーサーについて、VariLens の推定値と従来のレンズ モデリングを直接比較すると、良好な一致が示され、$\theta_\mathrm{E} を持つシステムでは両方の結果が $2\sigma$ 以内で一貫しています。
<3$ 秒角。 新しいレンズクエーサーの候補を特定するには、HSC データとさまざまな調査からの多波長情報を組み合わせて、約 8,000 万のソースの初期サンプルから始めます。 $z>1.5$ ソースを見つけることを目的とした測光の事前選択を適用した後、候補の数は 710,966 に減ります。
その後、VariLens は 13,831 個のソースを強調表示し、それぞれがレンズである可能性が高いことを示します。
これらの物体の視覚的評価により、分光分析による確認を待つ 42 個の有望な候補が得られます。
これらの結果は、大規模なデータセット内の強力なレンズを効率的に検出してモデル化する自動深層学習パイプラインの可能性を強調しています。

要約(オリジナル)

Strongly lensed quasars provide valuable insights into the rate of cosmic expansion, the distribution of dark matter in foreground deflectors, and the characteristics of quasar hosts. However, detecting them in astronomical images is difficult due to the prevalence of non-lensing objects. To address this challenge, we developed a generative deep learning model called VariLens, built upon a physics-informed variational autoencoder. This model seamlessly integrates three essential modules: image reconstruction, object classification, and lens modeling, offering a fast and comprehensive approach to strong lens analysis. VariLens is capable of rapidly determining both (1) the probability that an object is a lens system and (2) key parameters of a singular isothermal ellipsoid (SIE) mass model — including the Einstein radius ($\theta_\mathrm{E}$), lens center, and ellipticity — in just milliseconds using a single CPU. A direct comparison of VariLens estimates with traditional lens modeling for 20 known lensed quasars within the Subaru Hyper Suprime-Cam (HSC) footprint shows good agreement, with both results consistent within $2\sigma$ for systems with $\theta_\mathrm{E}<3$ arcsecs. To identify new lensed quasar candidates, we begin with an initial sample of approximately 80 million sources, combining HSC data with multiwavelength information from various surveys. After applying a photometric preselection aimed at locating $z>1.5$ sources, the number of candidates is reduced to 710,966. Subsequently, VariLens highlights 13,831 sources, each showing a high likelihood of being a lens. A visual assessment of these objects results in 42 promising candidates that await spectroscopic confirmation. These results underscore the potential of automated deep learning pipelines to efficiently detect and model strong lenses in large datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google