一句话总结

通过对欧几里得（Euclid）快速发布1期数据中覆盖63.1平方度的1260个星系团视场进行视觉检查，本文编制了一份包含83个强引力透镜星系团的目录。该目录首次为80个此前未被观测到的系统提供了高分辨率成像，并为深度学习模型自动识别引力弧和多重像建立了训练数据集。

核心贡献

• 本工作首次发布了基于欧几里得快速发布1期巡天数据的强引力透镜星系团目录，该巡天覆盖63.1平方度天区。目录的编制基于对1260个星系团视场的系统性视觉检查。
• 概率评分框架根据检测到的特征数量及其合理性为每个候选体分配透镜概率（$\mathcal{P}_{\mathrm{lens}}$Plens​）。该方法筛选出83个透镜概率大于0.5的引力透镜，其中包括14个具有明确特征（如巨型切向弧和径向弧）的天体。
• 经验证的形态学样本为旨在自动化探测未来欧几里得数据发布中引力弧和多重像的深度学习模型建立了训练数据集。初步测量显示，每平方度内高概率星系团的数量密度约为0.3个，这支持了该探测流程在完整任务巡天中的可扩展性。

引言

星系团产生的引力透镜效应是绘制总质量分布图、约束宇宙学参数以及识别高红移星系的关键探测手段。以往研究受限于强透镜系统的稀缺性以及高分辨率光学和近红外巡天典型的视场狭窄问题，导致样本量受限并阻碍了稳健的统计分析。作者利用欧几里得任务前所未有的大面积高分辨率成像能力，在其初始快速发布数据中系统性地识别了星系团尺度的强透镜特征和巨型弧。通过使用新开发的筛选工具对约4.4平方度区域进行首次大规模视觉检查，研究团队生成了基础性目录，该目录将用于训练未来数据发布的机器学习算法，并为即将开展的巡天建立高效的分析流程。

数据集

• 数据集构成与来源

  • 作者基于覆盖63.1平方度的欧几里得快速发布1期观测数据构建数据集，并以两个互补的星系团目录为基础。
  • 主要测光子集（DLS）源自Wen & Han (2024)，该目录结合了光学与中红外成像数据，以及来自DESI Legacy Surveys、WISE、2MASS、SDSS和DESI的光谱数据。
  • 补充子集（GCWG）合并了15个独立的X射线、Sunyaev-Zel'dovich效应及光学星系团目录，以恢复仅依靠测光选择遗漏的系统。

• 各子集关键细节

  • DLS：应用 richness 阈值 λ₅₀₀ > 30（约 M₅₀₀ ≳ 1.36 × 10¹⁴ M☉）后剩余939个候选体。
  • GCWG：在欧几里得覆盖区域内包含484个独立候选体，其中117个为合并样本中的全新发现。
  • 合并视觉检查（VI）目录：通过合并两个子集并剔除重复条目形成1,056个初始候选体。
  • 最终检查集：在剔除10个角距离相近但红移不同的系统以及220个包含超过50%无效像素值的边缘裁剪图后，保留826个裁剪图。

• 处理与元数据构建

  • 作者通过组合欧几里得 I_E、Y_E 和 H_E 波段生成 4 乘 4 角分彩色图像裁剪图。
  • 每个裁剪图根据检测到的强透镜特征（如切向弧和多重像）的数量及形态合理性获得透镜概率评分（P_lens）。
  • 通过校准和主检查阶段的 delta P_lens 分布，跟踪检查者的一致性与评分稳定性。

• 使用与训练策略

  • 44名独立检查者使用自定义交互工具对裁剪图进行视觉评估，最终识别出83个强透镜（P_lens > 0.5）和14个高置信度案例（P_lens = 1）。
  • 研究团队从高概率星系团中提取引力弧和多重像的标注样本，作为真实标签（ground-truth）用于后续训练。
  • 这些真实探测结果将与模拟数据结合，用于训练卷积神经网络，从而在不依赖人工检查的情况下实现欧几里得任务全档案的自动化特征探测。

方法

作者采用多步图像处理流程，从欧几里得观测数据中生成彩色图像，旨在增强与强透镜探测相关的形态特征的可见度。该流程首先组合来自 $I_{\mathrm{E}}$IE​、$Y_{\mathrm{E}}$YE​、$J_{\mathrm{E}}$JE​ 和 $H_{\mathrm{E}}$HE​ 测光滤镜的数据，这些数据来源于覆盖约63.1 deg$^{2}$2天区总面积的Q1数据发布。这些波段在欧几里得宽视场巡天（EWS）的深度下进行观测，其中 $I_{\mathrm{E}}$IE​ 滤镜在1$'$′3孔径内对半高全宽（FWHM）为0$'$′3、AB星等24.5的延展源可实现 S/N $\geq$≥ 10 的信噪比，而近红外波段对AB星等24.0的点源达到 S/N $\geq$≥ 5。所有图像均重采样至统一的0$'$′1/像素空间采样率，以匹配 $I_{\mathrm{E}}$IE​ 波段的原生分辨率，各波段（$I_{\mathrm{E}}$IE​、$Y_{\mathrm{E}}$YE​、$J_{\mathrm{E}}$JE​、$H_{\mathrm{E}}$HE​）的点扩散函数半高全宽分别为0$'$′13、0$'$′33、0$'$′35和0$'$′36。

为生成初始彩色图像，作者使用STIFF软件（Bertin 2012）将 $H_{\mathrm{E}}$HE​、$Y_{\mathrm{E}}$YE​ 和 $I_{\mathrm{E}}$IE​ 波段映射至红绿蓝（RGB）颜色空间，并分别分配至红、绿、蓝通道。该软件自动测定天空背景强度并执行颜色平衡，同时通过手动调整对比度与亮度以提升低表面亮度天体的可见度。然而，由于 $I_{\mathrm{E}}$IE​ 波段与近红外波段被赋予同等权重，最终图像的空间分辨率受到限制，导致精细尺度特征的清晰度不足。

为克服这一局限，作者实施了两步增强流程。首先，将RGB图像转换至CIELAB颜色空间，该空间使用三个分量表示颜色：$L$L 代表感知亮度，$a$a 和 $b$b 分别代表沿红绿轴和黄蓝轴的色度。随后，$L$L 通道被替换为 $I_{\mathrm{E}}$IE​ 波段图像，从而有效利用更高分辨率的 $I_{\mathrm{E}}$IE​ 数据驱动空间细节，同时保留由 $H_{\mathrm{E}}$HE​、$Y_{\mathrm{E}}$YE​ 和 $I_{\mathrm{E}}$IE​ 组合产生的颜色信息。生成的图像随后重新映射回RGB颜色空间。该方法显著提升了微小尺度形态特征的可见度，例如遥远星系中致密的恒星形成区，这些特征在 $I_{\mathrm{E}}$IE​ 波段中的解析度优于近红外波段。最终图像以标签图像文件格式（TIF）保存，以确保与标准天文可视化工具的兼容性。

由于涉及非线性处理与颜色调整，生成的彩色图像不用于多波段测光或测光红移估计等科学分析。相反，它们通过增强分辨率与颜色对比度，专门优化用于引力弧和弧微等强透镜特征的视觉识别。该方法的局限性在于，将 $I_{\mathrm{E}}$IE​ 波段用于亮度通道可能会削弱仅在近红外波段可见的特征（如 $I_{\mathrm{E}}$IE​ dropout 源），从而降低其在最终图像中的可探测性。

针对这些图像的视觉检查，作者采用了galaxyvote网络应用程序，该程序支持大型图像数据集的协作与系统性分析。应用后端基于Flask框架构建，用于管理URL并将其与交互关系型数据库的Python函数关联。该数据库存储多个实验，每个实验包含独立的图像集合、用户分配与标注记录。系统同时维护用户评分、评论及几何标记（如用于高亮感兴趣区域的矩形框）记录。前端采用HTML与JavaScript实现，并借助Bootstrap CSS框架提供响应式与现代用户界面。

每次检查会话均通过脚本配置，该脚本负责初始化数据库、载入图像与授权用户，并定义评估每张图像所需的用户数量。管理员可设定每张图像的检查者数量，系统自动生成分配方案以确保工作量均衡。用户通过登录机制访问个性化工作空间，系统会展示已分配图像的图库。图像查看器基于OpenSeaDragon JavaScript库实现，提供高分辨率交互界面，支持平滑缩放与平移功能。图像被预处理为金字塔形Deep-Zoom-Image（DZI）格式，以实现高效分块与快速导航。OpenSeaDragon支持DZI及其他分块图像协议，确保大型数据集的无缝处理。

查看器内置多种辅助分析工具。基础图像调整（如对比度与亮度增强）可通过OpenSeaDragonFiltering插件实现，帮助用户优化特定特征的可见度。矩形绘制工具允许用户标记感兴趣区域（如引力弧或背景源的多重像），并将标注直接保存至数据库。投票面板支持将每张图像归类为三类之一：“确认定透镜”（A），表示高置信度探测到强透镜特征；“可能透镜”（B），表示低置信度关联；或“无透镜”（C），表示未探测到透镜特征。系统还会提示用户在评论框中提供文本反馈，说明推理依据并详细描述观测结果。该结构化方法确保定量与定性评估均被记录，从而促进对图像的综合性评价。

实验

视觉检查实验采用两阶段盲评协议，项目组成员专家独立评估欧几里得星系团图像中的强引力透镜特征。评估始于校准阶段，旨在培训检查者并验证评估方法。该初步阶段证实了流程的稳健性及不同专业水平用户间的一致性，随后的主巡天阶段则通过成功识别大量高置信度透镜（其红移峰值主要匹配欧几里得成像能力的最佳区间）验证了该方法的可扩展性。综合结果表明，该盲视觉框架是大规模透镜发现的高效可靠工具，其一致性分类结果不仅支持准确的巡天产出预测，也为未来自动化探测模型奠定了基础数据集。

为识别星系团中的强引力透镜，作者开展了视觉检查实验，采用两阶段方法，由专家检查者在不知晓星系团属性的情况下对图像进行评分。结果显示，获得全体一致A级评分的星系团被赋予1.0的透镜概率，表明其为高置信度透镜候选体，且该方法在检查者与阶段间表现出良好的一致性。分析进一步揭示，透镜特征主要集中于特定红移范围内被探测到，部分星系团展现出多重强透镜现象。所有透镜概率为1.0的星系团均获得检查者的全票A级评价，确证了强透镜特征的存在。视觉检查流程在校准与主阶段间结果一致，重复评估的透镜概率波动极小。被确认为强透镜的星系团主要分布于透镜特征最易探测的红移区间，部分天体还呈现出切向弧与径向弧等复杂强透镜现象。

作者分两个阶段开展视觉检查实验，以识别星系团中的强引力透镜特征。第一阶段作为校准环节，用于培训检查者并测试方法，第二阶段则检查更大规模的星系团样本以筛选潜在透镜候选体。结果显示，不同检查者与阶段间的评分模式保持一致，重点聚焦于高概率强透镜星系团。实验分两阶段进行，第一阶段侧重校准与方法验证。检查结果在不同检查者与阶段间呈现一致的评分规律，且未观察到基于专业水平的显著偏差。两个阶段均识别出高概率强透镜星系团，部分高置信度透镜在两阶段中均获确认。

{"summary": "作者开展视觉检查实验以识别星系团中的强引力透镜特征，采用两阶段方法，由专家检查者基于A、B、C等级对星系团进行评分。两个阶段的评估结果均显示评分模式一致，并识别出一批高置信度的可靠透镜候选体，这体现在由投票分布推导出的概率值中。检查流程针对星系团属性保持盲态，并在不同检查者与重复评估中展现出良好的稳健性。", "highlights": ["视觉检查流程采用基于A、B、C等级的评分系统分配透镜概率，当所有检查者均评定为A级时，可靠透镜将获得最高概率。", "实验包含两个阶段，评分实践保持一致，两阶段结果在重叠星系团的透镜概率评估上表现出高度一致性。", "检查识别出多个可靠引力透镜候选体，部分星系团展现出巨型弧和多重像等显著透镜特征，表明其具备后续研究的潜力。"]

评估采用两阶段视觉检查协议，专家评审员对星系团图像进行盲评以识别强引力透镜特征。该两阶段方法验证了流程的一致性与稳健性，在不同检查者与重复评估中展现出高度一致性。定性方面，该流程成功筛选出以巨型弧和多重像等显著形态结构为特征的可靠透镜候选体，且主要集中于特定红移范围内。最终结果证实，结构化的视觉评估为识别高置信度引力透镜提供了可靠且可复现的框架。