DES Y6 메타디텍션 위상왜곡 은하 형태 카탈로그: 셀 기반 합성 이미지와 새로운 측정 파이프라인

초록

DES Y6 데이터(4422 deg²)에서 셀 기반(coadd) 이미지와 Metadetection 알고리즘을 적용해 1억 5천만 개 은하의 형태를 측정하였다. 유효 은하 밀도는 8.22 arcmin⁻², 형태 잡음 σₑ=0.29이며, 시뮬레이션을 통한 multiplicative bias m = (3.4 ± 6.1)×10⁻³ 로 0.5 % 수준 이하임을 확인했다.

상세 분석

본 논문은 DES Y6(6년) 관측 데이터에 대해 두 가지 혁신적인 처리 과정을 도입한다. 첫 번째는 ‘셀 기반(coadd)’ 방식으로, 전체 이미지 영역을 약 1 arcmin 크기의 작은 셀로 분할하고, 각 셀 안에서 입력 단일 에폭(single‑epoch) 이미지들의 가장자리(edge)가 겹치지 않도록 합성한다. 이 접근법은 전통적인 전역(coadd) 이미지에서 발생하는 PSF 불연속성을 제거하고, 셀 내부에서는 정확한 PSF 모델을 정의할 수 있게 한다. 다만, 모든 단일 에폭이 셀을 완전히 커버하지 못하므로 깊이(depth)가 약간 감소하는 트레이드오프가 존재한다.

두 번째 혁신은 Metadetection(Metacal) 알고리즘을 셀 기반 합성 이미지에 적용한 것이다. Metadetection은 객체 검출 단계부터 인위적인 shear를 삽입해 응답(response) 행렬을 직접 측정함으로써 noise bias, model bias, selection bias 등을 자동으로 보정한다. 특히 블렌딩(blending)과 검출 편향(detection bias)이 심각한 차세대 대규모 서베이(Legacy Survey of Space and Time, Euclid, Roman)에서 요구되는 0.1 % 수준의 정확성을 달성하도록 설계되었다.

데이터 처리 흐름은 다음과 같다. (1) DES DR2에서 제공된 단일 에폭 이미지, Pixmappy 기반 천문좌표, 색상 의존 PSF 모델(Piff), FGCM 포톤 보정 등을 수집한다. (2) 셀 기반 coadd을 수행하면서 각 셀에 대한 weight map와 mask를 생성하고, 셀 내부 PSF를 Piff 모델에 색상 보정을 적용해 재구성한다. (3) Metadetection 파이프라인을 통해 4가지 shear 변형(±γ₁, ±γ₂)을 적용한 이미지 세트를 만들고, 각각에서 객체 검출 및 형태 측정을 수행한다. (4) 검출된 객체에 대해 shear 응답 R = ∂e/∂γ 를 계산하고, 평균 응답으로 보정된 ellipticity ê = e/R 를 얻는다.

검증 단계에서는 (i) PSF leakage(α)와 PSF 모델 오차가 shear에 미치는 영향을 별도 테스트하고, (ii) 은하, PSF, 관측 조건(예: airmass, seeing, sky background)과의 상관관계를 null test 형태로 조사했다. 모든 테스트에서 α ≲ 10⁻⁴ 수준으로 억제되었으며, additive bias c는 10⁻⁴ 이하로 안정적이었다. 또한, DES Y6 이미지 시뮬레이션(Mau et al. 2025)으로 전체 파이프라인을 돌려 multiplicative bias m을 직접 측정했으며, m = (3.4 ± 6.1)×10⁻³ 로 3σ 안에서 무시할 수 있는 수준임을 확인했다. 이는 기존 DES Y3 Metacal 파이프라인에서 발견된 ~1 σ 수준의 편향을 크게 개선한 결과이다.

시뮬레이션 기반 검증에서는 200개의 독립 N‑body 시뮬레이션(ΛCDM, Ωₘ=0.26, σ₈=0.84 등)으로부터 800개의 mock shear 카탈로그를 생성해 공분산 행렬을 추정하고, 카탈로그 전반에 걸친 2‑point correlation 함수와 power spectrum 분석을 수행했다. 결과는 DES Y6 과학 요구사항(σₘ < 1.3 %)을 충분히 만족한다.

마지막으로, 향후 Stage‑IV 서베이 대비하여 두 번째 독립 shear 카탈로그(BFD 기반)와의 교차 검증 계획을 제시했으며, PSF 색상 의존 모델링을 더욱 정교화하는 작업이 진행 중임을 밝혔다. 전체적으로 셀 기반 coadd과 Metadetection 결합은 현재와 미래의 대규모 광학 서베이에서 요구되는 시스템atics 제어에 핵심적인 솔루션임을 입증한다.