Dark Energy Survey (DES) Year 3 Data

该数据集来自暗能量调查（DES）的前三年数据，用于研究星系与其宿主暗物质晕之间的质量关系。数据集包含星系聚类和星系-星系透镜测量，涵盖了大约从100 kpc到100 Mpc的广泛尺度。该研究创建并验证了一个新的星系样本，其星系质量范围在log A★/A⊙ ∼ 9.6到∼11.5之间，并使用基于晕占位分布（HOD）的理论框架和DES数据集对星系聚类和星系-星系透镜进行联合建模。该数据集在星系演化、宇宙学等领域具有广泛的应用前景。This dataset is derived from the first three years of data from the Dark Energy Survey (DES), and is designed to investigate the mass scaling relations between galaxies and their host dark matter halos. It contains measurements of galaxy clustering and galaxy-galaxy lensing, covering a wide range of scales from approximately 100 kpc to 100 Mpc. This study created and validated a new galaxy sample with stellar masses ranging from log(M★/M⊙) ~9.6 to ~11.5, and conducted joint modeling of galaxy clustering and galaxy-galaxy lensing using a theoretical framework based on the Halo Occupation Distribution (HOD) and the DES dataset. This dataset has broad application prospects in fields such as galaxy evolution and cosmology.

搜集汇总

数据集介绍

构建方式

暗能量巡天（DES）第三年数据（Y3）的构建源于对宇宙大尺度结构的深入探索。该数据集基于DES Y3 Gold星表，首先通过i波段星等、扩展度等基本判据筛选出一个近似完备的星系样本。随后，研究团队利用基于随机森林算法的机器学习代码GalPro，结合DES深场与COSMOS2020星表的交叉匹配数据，为每个星系估算了光度红移和恒星质量。以这些估计值的均值为依据，星系被划分为四个红移区间，并在每个红移区间内依据恒星质量进一步细分，从而构建了一个全新的恒星质量选择透镜样本。为消除观测条件空间变化带来的系统性偏差，研究人员采用神经网络为每个星系赋予了大规模结构权重。源星系的剪切信息则来自DES Y3的Metacalibration星表。

特点

该数据集的核心特质在于其提供了一个覆盖约0.2至0.85红移范围、恒星质量对数介于约9.6至11.5之间的恒星质量选择透镜样本，为研究星系与暗物质晕的关联提供了独特视角。其显著特点是构建方式严谨，不仅利用机器学习生成了每个星系的二维红移-恒星质量后验分布，还通过大规模结构权重精细校正了观测条件的影响。更重要的是，该数据集将星系成团性与星系-星系弱引力透镜测量巧妙结合，使得研究能够深入剖析单暗晕内部尺度的物理过程，从而对恒星-暗物质晕质量关系（SHMR）的约束超越了以往仅限于大尺度线性模型的分析。

使用方法

使用该数据集的主要方法是通过构建基于晕占据分布（HOD）的解析模型，对星系成团性和星系-星系透镜信号进行联合拟合。研究者将恒星质量信息融入HOD框架，通过参数化恒星-暗物质晕质量关系，并引入描述星系分布与暗物质分布的模型，同时在1-晕与2-晕项之间采用超越线性的晕偏置模型进行平滑过渡。最终，通过拟合从约100千秒差距到约100百万秒差距尺度范围的观测数据，利用嵌套采样算法进行参数推断，从而约束SHMR的关键参数，并揭示星系的卫星比例与星系偏置等物理量随恒星质量和红移的演化规律。

背景与挑战

背景概述

暗能量巡天（Dark Energy Survey, DES）第三年（Y3）数据是国际暗能量科学合作组于2025年发布的重要天体物理数据集，由费米实验室、芝加哥大学等数十家顶尖机构联合构建，旨在通过星系成团性与弱引力透镜的联合分析，揭示恒星质量与暗物质晕质量之间的内在关联——即恒星-晕质量关系（SHMR）。该数据的核心研究问题在于突破传统线性尺度限制，利用晕占据分布（HOD）理论框架对从约100千秒差距至100兆秒差距的广域标度进行精细建模，从而为星系形成与演化、暗物质分布及宇宙学参数约束提供强有力的观测依据。自发布以来，DES Y3数据已成为星系-晕连接研究的标杆，其高质量的测光红移和恒星质量估计深刻推动了高精度宇宙学与星系物理的交叉进展。

当前挑战

DES Y3数据集所面临的核心挑战首先来自于对恒星质量选样星系样本的完整性与系统误差控制，尤其在最高红移和最高质量端，训练集的上限导致恒星质量后验分布出现尖锐截断，必须引入额外自由度进行校正。其次，在方法学层面，现有HOD模型在拟合1-halo向2-halo过渡区域时存在显著不足，特别是在低恒星质量、低红移的星系族中，必须引入超越线性晕偏倚的尺度依赖模型才能获得合理拟合，这增加了模型的复杂度和计算代价。此外，构建过程中还面临如何从深度、视宁度、天光背景等26种巡天条件图中消除非宇宙学空间模式的影响，需通过神经网络生成大尺度结构权重以修正观测条件导致的星系密度系统性变化，同时还需在非常小的角尺度上处理升压因子带来的严重系统效应，这些都要求精细的尺度裁剪和多层次的误差异常管控。

常用场景

经典使用场景

在现代宇宙学与星系演化研究中，暗能量巡天第三年数据（DES Y3）凭借其广阔的覆盖天区与深度多波段测光，成为探究星系与暗物质晕之间内在联系的经典数据集。其最经典的使用场景之一，是通过联合分析星系成团性与星系-星系弱引力透镜信号，并基于晕模型与晕占据分布框架，精确构建并约束恒星级质量与暗物质晕质量之间的映射关系，即恒星级质量-晕质量关系。这一研究范式能够细致刻画从约100千秒差距到约100百万秒差距的跨尺度结构，为深入理解暗物质晕的物理特性以及星系在其中的形成与演化提供了系统性方法论。

实际应用

在实际应用层面，DES Y3数据构成了诸多前沿科学研究不可或缺的基石。该数据集及其产出的恒星级质量选中的星系表可直接服务于下一代大规模光学与近红外巡天项目，如维拉·鲁宾天文台的空间与时间遗产巡天、罗曼空间望远镜以及欧几里得任务，为这些项目提供关键的机器学习训练样本及系统抹除的基准。此外，DES Y3生成的测光红移与恒星级质量分布能有效校准引力透镜效应的剪切校准偏差与红移不确定性，进而提升暗能量状态方程与宇宙学参数的约束精度。该数据集的观测权重方案及大尺度结构权重校正技术也已成为处理巡天数据中观测条件空间变化的权威方法。

衍生相关工作

DES Y3数据催生了一系列影响深远的经典后续工作。在方法论层面，该数据推动了基于随机森林的GalPro软件包的广泛应用，实现了对星系后验概率分布的高维高效估计。基于DES Y3的晕占据分布与恒星级质量-晕质量关系建模框架被后续研究广泛采用，用于交叉验证其他巡天如斯隆数字化巡天与CFHTLenS中的类似关系，并促进了条件恒星质量函数与丰度匹配模型的进一步细化。此外，DES Y3衍生的卫星比例与星系偏置因子的定量约束，直接服务于数值模拟中半解析星系形成模型的校准。最后，该数据集为使用基于机器学习的引力透镜瞬变源识别与光变曲线分类算法提供了宝贵的训练与验证样本。