New Strong Gravitational Lenses from the DESI Legacy Imaging Surveys Data Release 9

Auteurs : C. Storfer, X. Huang, A. Gu, W. Sheu, S. Banka, A. Dey, A. Jain, J. Kwon, D. Lang, V. Lee, A. Meisner, J. Moustakas, A. D. Myers, S. Tabares-Tarquinio, E. F. Schlafly, D. J. Schlegel

arXiv: 2206.02764v1 - DOI (astro-ph.CO)
17 pages, 9 figure, 4 tables. arXiv admin note: text overlap with arXiv:2005.04730

Résumé : We have conducted a search for strong gravitational lensing systems in the Dark Energy Spectroscopic Instrument (DESI) Legacy Imaging Surveys Data Release 9. This is the third paper in a series (following Huang et al. 2020; Huang et al. 2021, Paper I & II, respectively). These surveys together cover $\sim$ 19,000 deg$^2$ visible from the northern hemisphere, reaching a z-band AB magnitude of $\sim$ 22.5. We use a deep residual neural network, trained on a compilation of known lensing systems and candidates as well as non-lenses in the same footprint. After applying our trained neural networks to the survey data, we visually inspect and rank images with probabilities above a threshold. We have found 1895 lens candidates. Out of these, 1512 are identified for the first time. Combining the discoveries from this work, Paper I (335) and II (1210), the total number of strong lens candidates from the Legacy Surveys that we have discovered is 3057.

Soumis à arXiv le 06 Jui. 2022

Explorez l'arbre d'article

Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

Recherchez des articles similaires (en version bêta)

En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.