The CluMPR Galaxy Cluster-Finding Algorithm and DESI Legacy Survey Galaxy Cluster Catalogue

Auteurs : M. J. Yantovski-Barth, Jeffrey A. Newman, Biprateep Dey, Brett H. Andrews, Michael Eracleous, Jesse Golden-Marx, Rongpu Zhou

arXiv: 2307.10426v1 - DOI (astro-ph.CO)
20 pages, 26 figures, to be submitted to MNRAS
Licence : CC BY 4.0

Résumé : Galaxy clusters enable unique opportunities to study cosmology, dark matter, galaxy evolution, and strongly-lensed transients. We here present a new cluster-finding algorithm, CluMPR (Clusters from Masses and Photometric Redshifts), that exploits photometric redshifts (photo-z's) as well as photometric stellar mass measurements. CluMPR uses a 2-dimensional binary search tree to search for overdensities of massive galaxies with similar redshifts on the sky and then probabilistically assigns cluster membership by accounting for photo-z uncertainties. We leverage the deep DESI Legacy Surveys grzW1W2 imaging over one-third of the sky to create a catalogue of ~ 300,000 galaxy cluster candidates out to z = 1, including tabulations of member galaxies and estimates of each cluster's total stellar mass. Compared to other methods, CluMPR is particularly effective at identifying clusters at the high end of the redshift range considered (z = 0.75-1), with minimal contamination from low-mass groups. These characteristics make it ideal for identifying strongly lensed high-redshift supernovae and quasars that are powerful probes of cosmology, dark matter, and stellar astrophysics. As an example application of this cluster catalogue, we present a catalogue of candidate wide-angle strongly-lensed quasars in Appendix C. The five best candidates identified from this sample include two known lensed quasar systems and a possible changing-look lensed QSO with SDSS spectroscopy. All code and catalogues produced in this work are publicly available (see Data Availability).

Soumis à arXiv le 19 Jul. 2023

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.