Reducing model error using optimized galaxy selection: weak lensing cluster mass estimation

Markus Michael Rau

doi:10.1093/mnras/staf1945

Reducing model error using optimized galaxy selection: weak lensing cluster mass estimation

2025-12-01

0

OA

AI

DOI：10.1093/mnras/staf1945

原文链接

查看原文

摘要

En 中文

星系团是研究广义相对论和标准宇宙学模型扩展的最有力的探针之一。即将到来的调查，如Vera Rubin天文台的遗产空间与时间调查（Legacy Survey of Space and Time, LSST），预计将通过使团簇样本的分析达到前所未有的规模和质量，从而革新该领域。要进入高精度团簇宇宙学时代，缓解系统误差源至关重要。一个特别重要的挑战是由源星系光度红移估计建模不当引起的团簇质量测量偏差。本研究提出了一种方法，通过优化来自广域调查透镜目录的团簇弱引力透镜分析中的源样本选择，以减少重建团簇质量的偏差。我们使用组合优化方案和变分推断方法，在潜在空间中选择星系，以生成用于高精度团簇质量估计的概率星系源样本目录。我们表明，我们的方法将临界面质量密度Sigma(crit)相对建模偏差降低了60-70%，同时保留了高达90%的星系。我们强调，我们的方法作为一种在系统误差源下联合结合星系选择和模型推断的方法，具有超出团簇质量估计的应用。

Keyword:

gravitational lensing: weak

methods: data analysis

galaxies: clusters: general

galaxies: distances and redshifts

cosmology: observations

Reducing model error using optimized galaxy selection: weak lensing cluster mass estimation

摘要

AI总结

期刊

机构

引用论文