Key points are not available for this paper at this time.
Nous présentons un algorithme pour sélectionner un échantillon uniforme de candidats de quasars gravitationnellement lentillés à partir de quasars à faible décalage vers le rouge (0,6<z<2,2) plus lumineux que i=19,1 qui ont été identifiés radiophoniquement dans le SDSS. Notre algorithme utilise des sélections morphologiques et de couleur destinées à identifier respectivement des lentilles de petites et grandes séparations. Notre algorithme de sélection ne repose que sur des paramètres générés par le pipeline de traitement d'image standard du SDSS, permettant une sélection facile et rapide des candidats de lentilles. L'algorithme a été testé sur des images simulées du SDSS, qui adoptent des distributions de paramètres de champ et de quasar tirées des données réelles du SDSS comme entrée. De plus, nous tenons compte de la rougeur différentielle. Nous constatons que notre algorithme de sélection est presque complet jusqu'à des séparations de 1'' et des ratios de flux de 10^-0,5. L'algorithme sélectionne à la fois des lentilles doubles et quadruples. À une séparation de 2'', les doubles et les quadruples sont sélectionnés avec une complétude similaire, et au-dessus (en dessous) de 2'', la sélection des quadruples est meilleure (moins bonne) que pour les doubles. Notre sélection morphologique identifie une fraction non négligeable de quasars uniques : pour les éliminer, nous ajustons les images des candidats avec un modèle de deux sources ponctuelles et rejetons celles ayant des séparations d'image anormalement petites et/ou de grandes différences de magnitude entre les deux sources ponctuelles. Nous estimons l'efficacité de notre algorithme de sélection à au moins 8 % pour des séparations d'image inférieures à 2'', comparable à celle des enquêtes radio. L'efficacité diminue à mesure que la séparation de l'image augmente, en raison de la contamination plus importante par les étoiles. Nous présentons également le facteur de grossissement des images lentillées en fonction de la séparation de l'image, ce qui est nécessaire pour un calcul précis du biais de grossissement.
Oguri et al. (Mardi,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: