Busca de quasares com o Southern Photometric Local Universe Survey (S-PLUS)

• Ano de defesa: 2024
• Autor(a) principal: Nakazono, Lilianne Mariko Izuti
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Large-sky survey; Machine learning; Mapeamento; Photometric redshift; Quasar; Redshift fotométrico
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/14/14131/tde-18102024-104438/

Os quasares estão entre as fontes mais luminosas do Universo, alimentados pela acreção de matéria em um buraco negro supermassivo central (SMBH). Eles são fontes importantes para uma miríade de estudos científicos em Astrofísica e Cosmologia, desde os mecanismos físicos em torno do SMBH até a estrutura em grande escala do Universo. Aumentar nossa amostra de quasares confirmados é essencial para melhorar as análises estatísticas e tirar conclusões significativas em qualquer aplicação. Os esforços para a busca de quasares começaram com sua primeira descoberta há sessenta anos e têm evoluído continuamente, impulsionados pelos avanços na análise de dados e na tecnologia dos observatórios. Nesta tese, realizamos uma busca por quasares no céu austral usando apenas dados fotométricos. Embora tenham menor poder preditivo do que os dados espectroscópicos, os levantamentos de imagem podem observar milhões a bilhões de objetos em um período de tempo relativamente curto e usar a classificação fotométrica para direcionar candidatos para o acompanhamento espectroscópico. No entanto, o acompanhamento espectroscópico de um grande número de candidatos que obtivemos é inviável com a tecnologia atual e, portanto, buscamos estimativas precisas, permitindo estudos com seleção de amostras fotométricas apenas. Nosso trabalho encontra-se no contexto do Southern Photometric Local Universe Survey (SPLUS), um levantamento de céu de ampla área que cobrirá aproximadamente 9300 graus quadrados do céu austral com um conjunto único de bandas estreitas. Nesta tese, mostramos que a informação provenientes das bandas estreitas melhoram nosso poder preditivo. Treinamos uma variedade de algoritmos de aprendizado em informações fotométricas em diversos comprimentos de onda para três aplicações independentes: classificação de estrelas, quasares e galáxias; regressão de redshift fotométrico de quasares; e classificação de quasares a alto redshift. Fornecemos as predições das duas primeiras aplicações como catálogos de valor agregado para o SPLUS, disponíveis para toda a comunidade científica. Além disso, estendemos a classificação estelar para identificar estrelas gigantes e anãs. Construímos um catálogo (QuCatS) contendo 645980, 244912 e 144991 candidatos a quasar até r<21.3 com probabilidades superiores a 80%, 90% e 95%, respectivamente. Este catálogo inclui estimativas pontuais de redshift fotométrico e densidades condicional, oferecendo recursos valiosos para pesquisas futuras relacionadas a quasares.