| Texto completo | |
| Autor(es): Mostrar menos - |
Lima, E. V. R.
;
Sodre Jr, L.
;
Bom, C. R.
;
Teixeira, G. S. M.
;
Nakazono, L.
;
Buzzo, M. L.
;
Queiroz, C.
;
Herpich, F. R.
;
Nilo Castellon, J. L.
;
Dantas, M. L. L.
;
Dors Jr, O. L.
;
Thom de Souza, R. C.
;
Akras, S.
;
Jimenez-Teja, Y.
;
Kanaan, A.
;
Ribeiro, T.
;
Schoennell, W.
Número total de Autores: 17
|
| Tipo de documento: | Artigo Científico |
| Fonte: | ASTRONOMY AND COMPUTING; v. 38, p. 15-pg., 2022-01-01. |
| Resumo | |
The Southern Photometric Local Universe Survey (S-PLUS) is a novel project that aims to map the Southern Hemisphere using a twelve filter system, comprising five broad-band SDSS-like filters and seven narrow-band filters optimized for important stellar features in the local universe.In this paper we use the photometry and morphological information from the first S-PLUS data release (S-PLUS DR1) cross-matched to unWISE data and spectroscopic redshifts from Sloan Digital Sky Survey DR15. We explore three different machine learning methods (Gaussian Processes with GPz and two Deep Learning models made with TensorFlow) and compare them with the currently used template-fitting method in the S-PLUS DR1 to address whether machine learning methods can take advantage of the twelve filter system for photometric redshift prediction. Using tests for accuracy for both single-point estimates such as the calculation of the scatter, bias, and outlier fraction, and probability distribution functions (PDFs) such as the Probability Integral Transform (PIT), the Continuous Ranked Probability Score (CRPS) and the Odds distribution, we conclude that a deep-learning method using a combination of a Bayesian Neural Network and a Mixture Density Network offers the most accurate photometric redshifts for the current test sample. It achieves single-point photometric redshifts with scatter (& USigma;(NMAD)) of 0.023, normalized bias of -0.001, and outlier fraction of 0.64% for galaxies with r_auto magnitudes between 16 and 21. (c) 2021 Elsevier B.V. All rights reserved. (AU) | |
| Processo FAPESP: | 19/06766-1 - Seleção de candidatos a quasares com fotometria em multi-bandas |
| Beneficiário: | Carolina Queiroz de Abreu Silva |
| Modalidade de apoio: | Bolsas no Exterior - Estágio de Pesquisa - Doutorado |
| Processo FAPESP: | 09/54006-4 - Um cluster de computadores para o Departamento de Astronomia do IAG-USP e para o Núcleo de Astrofísica da UNICSUL |
| Beneficiário: | Elisabete Maria de Gouveia Dal Pino |
| Modalidade de apoio: | Auxílio à Pesquisa - Programa Equipamentos Multiusuários |
| Processo FAPESP: | 14/10566-4 - Separação de estrelas e quasares em imagens multiespectrais |
| Beneficiário: | Lilianne Mariko Izuti Nakazono |
| Modalidade de apoio: | Bolsas no Brasil - Iniciação Científica |
| Processo FAPESP: | 15/11442-0 - Quasares e galáxias como traçadores das estruturas em grandes escalas |
| Beneficiário: | Carolina Queiroz de Abreu Silva |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado |
| Processo FAPESP: | 19/10923-5 - Ferramentas de inteligência artificial para grandes levantamentos de galáxias |
| Beneficiário: | Laerte Sodré Junior |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Processo FAPESP: | 19/01312-2 - Populações estelares de galáxias no aglomerado de Hydra: uma abordagem do tipo IFU |
| Beneficiário: | Lilianne Mariko Izuti Nakazono |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado Direto |
| Processo FAPESP: | 18/09165-6 - Estudo da história de formação de galáxias usando fotometria multi-banda |
| Beneficiário: | Maria Luísa Gomes Buzzo |
| Modalidade de apoio: | Bolsas no Brasil - Mestrado |
| Processo FAPESP: | 18/21661-9 - Catalogação de Fontes Variáveis e Ciência Tipo IFU em Levantamentos Fotométricos Multibanda. |
| Beneficiário: | Fábio Rafael Herpich |
| Modalidade de apoio: | Bolsas no Brasil - Pós-Doutorado |