Finding high-redshift strong lenses in DES using convolutional neural networks
C. Jacobs
,
T. Collett
,
K. Glazebrook
,
C. Mccarthy
,
A.K. Qin
,
T.M.C. Abbott
,
F.B. Abdalla
,
J. Annis
,
S. Avila
,
K. Bechtol
,
E. Bertin
(1)
,
D. Brooks
,
E. Buckley-Geer
,
D.L. Burke
,
A. Carnero Rosell
,
M. Carrasco Kind
,
J. Carretero
,
L.N. da Costa
,
C. Davis
,
J. de Vicente
,
S. Desai
,
H.T. Diehl
,
P. Doel
,
T.F. Eifler
,
B. Flaugher
,
J. Frieman
,
J. García-Bellido
,
E. Gaztanaga
,
D.W. Gerdes
,
D.A. Goldstein
,
D. Gruen
,
R.A. Gruendl
,
J. Gschwend
,
G. Gutierrez
,
W.G. Hartley
,
D.L. Hollowood
,
K. Honscheid
,
B. Hoyle
,
D.J. James
,
K. Kuehn
,
N. Kuropatkin
,
O. Lahav
,
T.S. Li
,
M. Lima
,
H. Lin
,
M.A.G. Maia
,
P. Martini
,
C.J. Miller
,
R. Miquel
,
B. Nord
,
A.A. Plazas
,
E. Sanchez
,
V. Scarpine
,
M. Schubnell
,
S. Serrano
,
I. Sevilla-Noarbe
,
M. Smith
,
M. Soares-Santos
,
F. Sobreira
,
E. Suchyta
,
M.E.C. Swanson
,
G. Tarle
,
V. Vikram
,
A.R. Walker
,
Y. Zhang
,
J. Zuntz
C. Jacobs
- Fonction : Auteur
T. Collett
- Fonction : Auteur
K. Glazebrook
- Fonction : Auteur
C. Mccarthy
- Fonction : Auteur
A.K. Qin
- Fonction : Auteur
T.M.C. Abbott
- Fonction : Auteur
F.B. Abdalla
- Fonction : Auteur
J. Annis
- Fonction : Auteur
S. Avila
- Fonction : Auteur
K. Bechtol
- Fonction : Auteur
D. Brooks
- Fonction : Auteur
E. Buckley-Geer
- Fonction : Auteur
D.L. Burke
- Fonction : Auteur
A. Carnero Rosell
- Fonction : Auteur
M. Carrasco Kind
- Fonction : Auteur
J. Carretero
- Fonction : Auteur
L.N. da Costa
- Fonction : Auteur
C. Davis
- Fonction : Auteur
J. de Vicente
- Fonction : Auteur
S. Desai
- Fonction : Auteur
H.T. Diehl
- Fonction : Auteur
P. Doel
- Fonction : Auteur
T.F. Eifler
- Fonction : Auteur
B. Flaugher
- Fonction : Auteur
J. Frieman
- Fonction : Auteur
J. García-Bellido
- Fonction : Auteur
E. Gaztanaga
- Fonction : Auteur
D.W. Gerdes
- Fonction : Auteur
D.A. Goldstein
- Fonction : Auteur
D. Gruen
- Fonction : Auteur
R.A. Gruendl
- Fonction : Auteur
J. Gschwend
- Fonction : Auteur
G. Gutierrez
- Fonction : Auteur
W.G. Hartley
- Fonction : Auteur
D.L. Hollowood
- Fonction : Auteur
K. Honscheid
- Fonction : Auteur
B. Hoyle
- Fonction : Auteur
D.J. James
- Fonction : Auteur
K. Kuehn
- Fonction : Auteur
N. Kuropatkin
- Fonction : Auteur
O. Lahav
- Fonction : Auteur
T.S. Li
- Fonction : Auteur
M. Lima
- Fonction : Auteur
H. Lin
- Fonction : Auteur
M.A.G. Maia
- Fonction : Auteur
P. Martini
- Fonction : Auteur
C.J. Miller
- Fonction : Auteur
R. Miquel
- Fonction : Auteur
B. Nord
- Fonction : Auteur
A.A. Plazas
- Fonction : Auteur
E. Sanchez
- Fonction : Auteur
V. Scarpine
- Fonction : Auteur
M. Schubnell
- Fonction : Auteur
S. Serrano
- Fonction : Auteur
I. Sevilla-Noarbe
- Fonction : Auteur
M. Smith
- Fonction : Auteur
M. Soares-Santos
- Fonction : Auteur
F. Sobreira
- Fonction : Auteur
E. Suchyta
- Fonction : Auteur
M.E.C. Swanson
- Fonction : Auteur
G. Tarle
- Fonction : Auteur
V. Vikram
- Fonction : Auteur
A.R. Walker
- Fonction : Auteur
Y. Zhang
- Fonction : Auteur
J. Zuntz
- Fonction : Auteur
Résumé
We search Dark Energy Survey (DES) Year 3 imaging data for galaxy–galaxy strong gravitational lenses using convolutional neural networks. We generate 250 000 simulated lenses at redshifts > 0.8 from which we create a data set for training the neural networks with realistic seeing, sky and shot noise. Using the simulations as a guide, we build a catalogue of 1.1 million DES sources with 1.8 < g − i < 5, 0.6 < g − r < 3, r_mag > 19, g_mag > 20, and i_mag > 18.2. We train two ensembles of neural networks on training sets consisting of simulated lenses, simulated non-lenses, and real sources. We use the neural networks to score images of each of the sources in our catalogue with a value from 0 to 1, and select those with scores greater than a chosen threshold for visual inspection, resulting in a candidate set of 7301 galaxies. During visual inspection, we rate 84 as ‘probably’ or ‘definitely’ lenses. Four of these are previously known lenses or lens candidates. We inspect a further 9428 candidates with a different score threshold, and identify four new candidates. We present 84 new strong lens candidates, selected after a few hours of visual inspection by astronomers. This catalogue contains a comparable number of high-redshift lenses to that predicted by simulations. Based on simulations, we estimate our sample to contain most discoverable lenses in this imaging and at this redshift range.