Speaker
Description
Los redshifts fotométricos suelen estimarse objeto por objeto, a partir de catálogos que dependen de la detección y segmentación previa de fuentes. En este trabajo se presenta un enfoque alternativo que predice el redshift directamente a nivel de píxel a partir de imágenes multibanda, con el fin de construir mapas densos de redshift del cielo. Para ese objetivo se utilizó zscrape, un pipeline que toma, normaliza y desduplica catálogos espectroscópicos y fotométricos de decenas de surveys. El resultado es un catálogo unificado en formato HATS de aproximadamente 1.160 millones de fuentes, que le asigna a cada redshift un peso de calidad (wspec) calibrado por consenso entre catálogos. A partir de él se genera mapas con su respectivas etiquetas (redshift) para más de 1.500 patches de HSC-SSP PDR3 (Deep+UltraDeep) en las bandas grizy, con unos 12,5 millones de fuentes etiquetadas. Se entrena una red U-Net sobre estos datos y se explora distintas normalizaciones, esquemas de pérdida ponderados por la calidad del redshift y estrategias de data augmentation. Finalmente el estado del proyecto se encuentra en abordar el problema como uno de clasificación sobre bins de redshift (y no un problema de regresión), lo que permite predecir una función de densidad de probabilidad completa en cada píxel en lugar de un valor puntual. Se discute el estado actual del proyecto, las dificultades asociadas a la escasez de redshifts espectroscópicos a alto z, y las perspectivas de extender el método hacia la predicción de un campo continuo de densidad de fuentes en el espacio (z, x, y).
El trabajo fue realizado en el marco de la pasantía Mitacs Globalink en University of Victoria (Uvic).