Técnicas automatizadas de detección y análisis del efecto de lente gravitacional en cartografiados de galaxias de nueva generación

Resumen

El objetivo concreto de esta tesis ha sido el estudio del efecto de lente gravitatoria, y el desarrollo de técnicas automáticas de identificación de este efecto en imágenes astronómicas producidas por futuros surveys, como J-PAS y Eucid. En la práctica, el trabajo desarrollado se ha vertebrado en tres investigaciones independientes. En primer lugar, se ha adaptado e implementado una técnica de detección multifrecuencia (matched multifilter) sobre imágenes astronómicas del survey Herschel-ATLAS. Este método combina la información de las imágenes de un mismo objeto en distintas bandas permitiendo mejorar la significancia de detección de objetos débiles. Es decir, objetos que no serían detectados considerando las imágenes de los distintos filtros por separado. Se han analizado las fuentes identificadas en los catálogos de H-ATLAS y, mediante diversos criterios de selección, se ha llegado a una manejable muestra de unos 600 objetos para los que se han proporcionado estimaciones del redshift fotométrico y valores del cociente señal-ruido. Entre estos objetos se han encontrado tanto fuentes muy débiles, para las cuáles el método ha mejorado la significancia de su señal, como posibles candidatos a sistemas lensados, los cuáles han sido debidamente identificados y explicados. Se ha llegado a la conclusión de que las fuentes que actúan como lentes en estos sistemas son predominantemente galaxias. El uso de métodos multifrecuencia será muy importante de cara a explotar los datos proporcionados por los 54 filtros (bandas) del experimento J-PAS. En segundo lugar, se ha estimado, mediante un análisis no paramétrico del efecto lente gravitatoria, la distribución de materia oscura en un cúmulo de galaxias actuando como lente, así como la posición de las fuentes sobre las que actúa produciendo imágenes múltiples de las mismas. Este cúmulo no había sido previamente estudiado con un método no paramétrico como el aquí utilizado. Se han considerado varios modelos con diferentes configuraciones iniciales, y se han comparado en base a su capacidad para reproducir dos arcos radiales situados cerca del centro del cúmulo. Se concluyó que la geometría de estos dos arcos es debida principalmente a la disposición alargada del halo de materia oscura y, al igual que en trabajos previos, se obtuvieron resultados que apuntan a un cúmulo en estado dinámico relajado. El perfil de masa obtenido es compatible con modelos estándar de materia oscura fría, lo cuál es relevante puesto que nuestros modelos no hacen ninguna suposición inicial sobre el perfil de masa del cúmulo. Finalmente, se han desarrollado varios modelos de redes neuronales convolucionales (CNNs) para la detección del efecto de lente gravitatoria en imágenes astronómicas. Por un lado, se han entrenado redes usando simulaciones basadas en los surveys Euclid y KiDS (creadas por el “Euclid Strong Lensing Group”) con el objetivo de detectar sistemas lensados. Se han realizado diversas pruebas estudiando la influencia sobre los resultados de una serie de factores: el pre-procesamiento de los datos, la selección de datos de entrenamiento con ciertas características, el número de bandas proporcionadas a la red, el proceso de entrenamiento con los datos y la arquitectura de la red neuronal. Los modelos derivados no solo se han aplicado a simulaciones de Euclid y KiDS, sino también a sistemas lensados reales identificados con SDSS y con DES, a posibles casos de efecto lente seleccionados por voluntarios en el proyecto Galaxy Zoo 2, y también a los candidatos a sistemas lensados identificados con nuestro método multifrecuencia en Herschel-ATLAS. Por otro lado, se han creado simulaciones del efecto lente fuerte usando cuásares simulados basados en el sistema fotométrico de 54 filtros de J-PAS, y galaxias rojas reales detectadas en el primer grado cuadrado observado por J-PAS (llamado miniJPAS). Estas simulaciones de cuásares lensados, junto con casos no lensados (galaxias, cuásares y estrellas) han sido utilizados para entrenar una red neuronal convolucional, y se muestran los resultados obtenidos. Se espera que los modelos derivados sobre este tipo de simulaciones permitan una identificación precisa de sistemas lensados en Euclid y J-PAS, aligerando considerablemente la intervención humana, sobre la que solía y aún suele recaer el peso de identificar estos eventos entre millones de objetivos observados.