Lensed quasar search via time variability with the HSC transient survey
Notice bibliographique
Résumé
Gravitationally lensed quasars are useful for studying astrophysics and cosmology, and enlarging the sample size of lensed quasars is important for multiple studies. In this work, we develop a lens search algorithm for four-image (quad) lensed quasars based on their time variability. In the development of the lens search algorithm, we constructed a pipeline simulating multi-epoch images of lensed quasars in cadenced surveys, accounting for quasar variabilities, quasar hosts, lens galaxies, and the point spread function variation. Applying the simulation pipeline to the Hyper Suprime-Cam (HSC) transient survey, an ongoing cadenced survey, we generated HSC-like difference images of the mock lensed quasars from the lens catalog of Oguri & Marshall (2010, MNRAS, 405, 2579). With the difference images of the mock lensed quasars and the variable objects from the HSC transient survey, we developed a lens search algorithm that picks out variable objects as lensed quasar candidates based on their spatial extent in the difference images. We tested the performance of our lens search algorithm on a sample combining the mock lensed quasars and variable objects from the HSC transient survey. Using difference images from multiple epochs, our lens search algorithm achieves a high true-positive rate (TPR) of 90.1% and a low false-positive rate (FPR) of 2.3% for the bright quads (the third brightest image brightness m 3rd < 22.0 mag) with wide separation (the largest separation among the multiple image pairs θ LP > 1.5″). With a preselection of the number of blobs in the difference image, we obtain a TPR of 97.6% and a FPR of 2.6% for the bright quads with wide separation. Even when difference images are only available in one single epoch, our lens search algorithm can still detect the bright quads with wide separation at high TPR of 97.6% and low FPR of 2.4% in the optimal seeing scenario, and at TPR of ∼94% and FPR of ∼5% in typical scenarios. Therefore, our lens search algorithm is promising and is applicable to ongoing and upcoming cadenced surveys, particularly the HSC transient survey and the Rubin Observatory Legacy Survey of Space and Time, for finding new lensed quasar systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».