Maturi2025AMICOGalaxyClusters
Brief
#
- 在 KiDS 中用 AMICO 得到了 23k clusters 组成的样本，对应面积是 839 deg2，红移范围是 0.1-0.9
- 质量估计采用 X-ray mass calibration
- 使用的内部评估好像有点问题，但是和 external catalog 的匹配结果非常好，80-90% 的 completeness 是一个可以达到的水平
- 这里 matching 的标准比较宽松，可以应用到目前的 project 里面
Intro
#
- cluster 在宇宙学之外的意义是研究星系形成和演化的过程，比如反馈机制、DM 分布和星系 merger
- AMICO 除了用于 KiDS 还被用于 miniJPAS 和 COSMOS 等数据集
- 比较重要的引用包括 AMICO 方法介绍、AMICO 在 DR3 上的应用（主题包括 BCG、WL、clustering 等）
- 没有提到为什么不使用 redMaPPer，或者 AMICO 和 redMaPPer 的对比
Data
#
- KiDS 相关可以参考（或者补充到）Programs#KiDS，上一次这方面的 supplement 来自 Sonnenfeld2022DarkMatterHalo
- photo-z 是用 BPZ 计算的，不仅给出点估计还给出一个 PDF，而 AMICO 可以充分利用这个信息
- 这里采用 DR3 的先验，因为 KiDS DR4 的先验 photo-z 是为 WL 进行优化的，不适合 cluster detection 的目标
- 为了保证均一性质，仅使用 r-band 亮于 24 等的星系
- redMaPPer 对于变化的 depth 有更好的处理
- mask 的选择上剔除了 ghost、bright star 以及没有被九个波段覆盖的区域
- 最终使用了 838.783 deg2 用于最终的探测
Cluster sample
#
- AMICO 将观测到的星系分布建模为 $D=A\times \tau+N$，其中 A、tau、N 分别是幅度、template 分布以及噪声
- 这里的 template 包括
- Schechter distribution，但是 mstar 和指数 alpha 都取固定值
- 位置分布假设为 NFW，并且半径固定为 1Mpc
- 最终可以给出每个 cluster 的 amplitude 和 SNR，此外每个成员星系都有一个成员概率
- 这里 richness 有两个定义，其中采取一定光度阈值的 richness 更适合作为 mass proxy
- 噪声的估计采取 global 的方式（DR3 中采用 local 方式）
- 在一系列点上计算周围的 richness，这些点在横向的间距是 0.3arcmin，视线方向间距是 0.01（红移）
- 红移范围最开始采用 0.05-1.2，最后 cut 到 0.1-0.9
- 对 mask 和边缘效应用 quality flag 进行标识
- 最终得到了 23k clusters，筛选阈值是 SNR 超过 3.5
- 和 redMaPPer 一样，存在由 4000A break 跨过 g/r 分界线导致的 z=0.35 处的 cluster 数密度下降
- cluster 红移的分布由 member galaxy 的红移分布加权得到
- 可以验证 cluster 密度和 r-band 深度之间没有相关性
- 用 GAMA 光谱进行了验证（有 210 deg2 重叠），发现上面估计的红移存在系统性高估，这里进行了一定的改正
- 最后红移的 scatter 大概是 0.014，比算法自身得出的不确定度略大
Assessment
#
- 用一个数据驱动的框架（Selection Function extrActor, SinFoniA）评估 AMICO sample 的质量，模型依赖比较少
- 具体来说是生成一个 mock galaxy catalog，然后在其上运行配置相同的 AMICO 算法
- mock catalog 中的 cluster member 和 field galaxy 都来源于 AMICO 的探测结果
- mis-centering 的典型值大约是 0.017-0.019 arcmin
Matching with external
#
- 匹配标准是横向 0.5Mpc，视线方向（相对）红移差 0.1 以内
- 对于多对一的情况，优先考虑 SNR/richness 高的对象
- 以 DES redMaPPer 为参考 completeness 约为 88%
- 两种 richness 非常相关
- 使用了不同的 centering 算法，AMICO 的中心不一定是一个星系，而是所有星系光度加权得到的
- mis-match 的原因主要是红移和位置差异过大、mask 等
- 有一些高红移的 cluster 似乎 redMaPPer 没有找到，是因为 AMICO 对于 red sequence 的存在性更不敏感
- 和 eROSITA 比较的结果是 completeness 在 80-90% 左右
- 利用 eROSITA 的质量估计建立了 AMICO richness 的 MOR
- mis-match 的原因
- 有一些 eROSITA 的观测实际上是 AGN
- AMICO 的光学中心和 X-ray 的中心偏离
- 低红移下错过了一些低红移的 cluster，这是因为 KiDS 的 photo-z 性能比较差（？）
- 和 ACT DR5 的匹配 completeness 也有 88%
Thoughts
#
- photo-z 方法确实比 red sequence 方法更直观和易于理解
- lambda 仅统计一定光度以上的星系数量的一个很大原因是保证在不同红移上使用相同的阈值
- 这里用 AMICO 的结果生成 mock 用于检验 AMICO 的表现是不是有一点不合适？
- 如果成员概率有问题，也会影响 mock，最终变成自己和自己对答案
- gemini：「很难独立地检验AMICO算法自身模型中可能存在的、固有的、不变的系统性偏差」
- 所以 performance 应该去看和 external 的匹配
- 这里的 matching 标准可以学一下，现在 redMaPPer HSC 的标准有点太严格