pith. sign in

arxiv: 2503.15326 · v2 · pith:ZKZKWVOQnew · submitted 2025-03-19 · 🌌 astro-ph.GA

Euclid Quick Data Release (Q1). The Strong Lensing Discovery Engine C: Finding lenses with machine learning

Euclid Collaboration: N. E. P. Lines , T. E. Collett , M. Walmsley , K. Rojas , T. Li , L. Leuzzi , A. Manj\'on-Garc\'ia , S. H. Vincken
show 344 more authors
J. Wilde P. Holloway A. Verma R. B. Metcalf I. T. Andika A. Melo M. Melchior H. Dom\'inguez S\'anchez A. D\'iaz-S\'anchez J. A. Acevedo Barroso B. Cl\'ement C. Krawczyk R. Pearce-Casey S. Serjeant F. Courbin G. Despali R. Gavazzi S. Schuldt H. Degaudenzi L. R. Ecker W. J. R. Enzi K. Finner A. Galan C. Giocoli N. B. Hogg K. Jahnke S. Kruk G. Mahler A. More B. C. Nagam J. Pearson A. Sainz de Murieta C. Scarlata D. Sluse A. Sonnenfeld C. Spiniello T. T. Thai C. Tortora L. Ulivi L. Weisenbach M. Zumalacarregui N. Aghanim B. Altieri A. Amara S. Andreon N. Auricchio H. Aussel C. Baccigalupi M. Baldi A. Balestra S. Bardelli P. Battaglia R. Bender F. Bernardeau A. Biviano A. Bonchi D. Bonino E. Branchini M. Brescia J. Brinchmann S. Camera G. Ca\~nas-Herrera V. Capobianco C. Carbone V. F. Cardone J. Carretero S. Casas M. Castellano G. Castignani S. Cavuoti K. C. Chambers A. Cimatti C. Colodro-Conde G. Congedo C. J. Conselice L. Conversi Y. Copin A. Costille H. M. Courtois M. Cropper A. Da Silva G. De Lucia A. M. Di Giorgio C. Dolding H. Dole F. Dubath C. A. J. Duncan X. Dupac S. Escoffier M. Fabricius M. Farina R. Farinelli F. Faustini S. Ferriol F. Finelli S. Fotopoulou M. Frailis E. Franceschi M. Fumana S. Galeotta K. George W. Gillard B. Gillis P. G\'omez-Alvarez J. Gracia-Carpio B. R. Granett A. Grazian F. Grupp L. Guzzo S. Gwyn S. V. H. Haugan W. Holmes I. M. Hook F. Hormuth A. Hornstrup P. Hudelot M. Jhabvala E. Keih\"anen S. Kermiche A. Kiessling B. Kubik M. K\"ummel M. Kunz H. Kurki-Suonio Q. Le Boulc'h A. M. C. Le Brun D. Le Mignant S. Ligori P. B. Lilje V. Lindholm I. Lloro G. Mainetti D. Maino E. Maiorano O. Mansutti S. Marcin O. Marggraf M. Martinelli N. Martinet F. Marulli R. Massey S. Maurogordato E. Medinaceli S. Mei Y. Mellier M. Meneghetti E. Merlin G. Meylan A. Mora M. Moresco L. Moscardini R. Nakajima C. Neissner R. C. Nichol S.-M. Niemi J. W. Nightingale C. Padilla S. Paltani F. Pasian K. Pedersen W. J. Percival V. Pettorino S. Pires G. Polenta M. Poncet L. A. Popa L. Pozzetti F. Raison R. Rebolo A. Renzi J. Rhodes G. Riccio E. Romelli M. Roncarelli R. Saglia Z. Sakr A. G. S\'anchez D. Sapone B. Sartoris J. A. Schewtschenko M. Schirmer P. Schneider T. Schrabback A. Secroun G. Seidel M. Seiffert S. Serrano P. Simon C. Sirignano G. Sirri A. Spurio Mancini L. Stanco J. Steinwagner P. Tallada-Cresp\'i A. N. Taylor I. Tereno S. Toft R. Toledo-Moreo F. Torradeflot I. Tutusaus E. A. Valentijn L. Valenziano J. Valiviita T. Vassallo G. Verdoes Kleijn A. Veropalumbo Y. Wang J. Weller A. Zacchei G. Zamorani F. M. Zerbi E. Zucca V. Allevato M. Ballardini M. Bolzonella E. Bozzo C. Burigana R. Cabanac A. Cappi D. Di Ferdinando J. A. Escartin Vigo L. Gabarra J. Mart\'in-Fleitas S. Matthew N. Mauri A. Pezzotta M. P\"ontinen C. Porciani I. Risso V. Scottez M. Sereno M. Tenti M. Viel M. Wiesmann Y. Akrami S. Anselmi M. Archidiacono F. Atrio-Barandela C. Benoist K. Benson P. Bergamini D. Bertacca M. Bethermin A. Blanchard L. Blot M. L. Brown S. Bruton A. Calabro F. Caro C. S. Carvalho T. Castro Y. Charles F. Cogato A. R. Cooray O. Cucciati S. Davini F. De Paolis G. Desprez J. J. Diaz S. Di Domizio J. M. Diego A. Enia Y. Fang A. G. Ferrari A. Finoguenov A. Fontana A. Franco K. Ganga J. Garc\'ia-Bellido T. Gasparetto V. Gautard E. Gaztanaga F. Giacomini F. Gianotti G. Gozaliasl M. Guidi C. M. Gutierrez A. Hall W. G. Hartley C. Hern\'andez-Monteagudo H. Hildebrandt J. Hjorth J. J. E. Kajava Y. Kang V. Kansal D. Karagiannis K. Kiiveri C. C. Kirkpatrick J. Le Graet L. Legrand M. Lembo F. Lepori G. Leroy G. F. Lesci J. Lesgourgues T. I. Liaudat S. J. Liu A. Loureiro J. Macias-Perez G. Maggio M. Magliocchetti E. A. Magnier F. Mannucci R. Maoli C. J. A. P. Martins L. Maurin M. Miluzio P. Monaco C. Moretti G. Morgante S. Nadathur K. Naidoo A. Navarro-Alsina S. Nesseris F. Passalacqua K. Paterson L. Patrizii A. Pisani D. Potter S. Quai M. Radovich P.-F. Rocci S. Sacquegna M. Sahl\'en D. B. Sanders E. Sarpa A. Schneider D. Sciotti E. Sellentin L. C. Smith K. Tanidis G. Testera R. Teyssier S. Tosi A. Troja M. Tucci C. Valieri A. Venhola D. Vergani G. Vernardos G. Verza P. Vielzeuf N. A. Walton D. Scott
This is my paper
classification 🌌 astro-ph.GA
keywords lensesstrongeuclidgradegravitationalrankedwillzoobot
0
0 comments X
read the original abstract

Strong gravitational lensing has the potential to provide a powerful probe of astrophysics and cosmology, but fewer than 1000 strong lenses have been confirmed so far. With a 0.16'' resolution covering a third of the sky, the Euclid telescope will revolutionise the identification of strong lenses, with 170 000 lenses forecasted to be discovered amongst the 1.5 billion galaxies it will observe. We present an analysis of the performance of five machine-learning models at finding strong gravitational lenses in the quick release of Euclid data (Q1) covering 63 deg2. The models have been validated by citizen scientists and expert visual inspection. We focus on the best-performing network: a fine-tuned version of the Zoobot pretrained model originally trained to classify galaxy morphologies in heterogeneous astronomical imaging surveys. Of the one million Q1 objects that Zoobot was tasked to find strong lenses within, the top 1000 ranked objects contain 122 grade A lenses (almost-certain lenses) and 41 grade B lenses (probable lenses). A deeper search with the five networks combined with visual inspection yielded 250 (247) grade A (B) lenses, of which 224 (182) are ranked in the top 20 000 by Zoobot. When extrapolated to the full Euclid survey, the highest ranked one million images will contain 75 000 grade A or B strong gravitational lenses.

This paper has not been read by Pith yet.

discussion (0)

Sign in with ORCID, Apple, or X to comment. Anyone can read and Pith papers without signing in.

Forward citations

Cited by 1 Pith paper

Reviewed papers in the Pith corpus that reference this work. Sorted by Pith novelty score.

  1. Gaussian processes on ray-guided transformed uniform grids for fast, flexible, and auto-differentiable adaptive source reconstruction in lens modelling

    astro-ph.IM 2026-06 unverdicted novelty 7.0

    A new RTU grid method models the lensing source as a Gaussian process on a ray-transformed uniform grid, achieving comparable fits with roughly half the pixels per dimension and higher ELBOs on mock data.