Abstract This paper presents the second data release of the Hyper Suprime-Cam Subaru Strategic Program, a wide-field optical imaging survey using the 8.2 m Subaru Telescope. The release includes data from 174 nights of observation through 2018 January. The Wide layer data cover about 300 deg$^2$ in all five broad-band filters ($grizy$) to the nominal survey exposure (10 min in $gr$ and 20 min in $izy$). Partially observed areas are also included in the release; about 1100 deg$^2$ is observed in at least one filter and one exposure. The median seeing in the i-band is ${0_{.}^{\prime \prime }6}$, demonstrating the superb image quality of the survey. The Deep (26 deg$^2$) and UltraDeep (4 deg$^2$) data are jointly processed and the UltraDeep-COSMOS field reaches an unprecedented depth of $i\sim 28$ at $5 \, \sigma$ for point sources. In addition to the broad-band data, narrow-band data are also available in the Deep and UltraDeep fields. This release includes a major update to the processing pipeline, including improved sky subtraction, PSF modeling, object detection, and artifact rejection. The overall data quality has been improved, but this release is not without problems; there is a persistent deblender problem as well as new issues with masks around bright stars. The user is encouraged to review the issue list before utilizing the data for scientific explorations. All the image products as well as catalog products are available for download. The catalogs are also loaded into a database, which provides an easy interface for users to retrieve data for objects of interest. In addition to these main data products, detailed galaxy shape measurements withheld from Public Data Release 1 (PDR1) are now available to the community. The shape catalog is drawn from the S16A internal release, which has a larger area than PDR1 (160 deg$^2$). All products are available at the data release site, https://hsc-release.mtk.nao.ac.jp/.

Abstract This paper presents the third data release of the Hyper Suprime-Cam Subaru Strategic Program (HSC-SSP), a wide-field multi-band imaging survey with the Subaru 8.2 m telescope. HSC-SSP has three survey layers (Wide, Deep, and UltraDeep) with different area coverages and depths, designed to address a wide array of astrophysical questions. This third release from HSC-SSP includes data from 278 nights of observing time and covers about 670 deg2 in all five broad-band filters (grizy) at the full depth (∼26 mag at 5σ depending on filter) in the Wide layer. If we include partially observed areas, the release covers 1470 deg2. The Deep and UltraDeep layers have $\sim\! 80\%$ of the originally planned integration times, and are considered done, as we have slightly changed the observing strategy in order to compensate for various time losses. There are a number of updates in the image processing pipeline. Of particular importance is the change in the sky subtraction algorithm; we subtract the sky on small scales before the detection and measurement stages, which has significantly reduced the number of false detections. Thanks to this and other updates, the overall quality of the processed data has improved since the previous release. However, there are limitations in the data (for example, the pipeline is not optimized for crowded fields), and we encourage the user to check the quality assurance plots as well as a list of known issues before exploiting the data. The data release website is 〈https://hsc-release.mtk.nao.ac.jp〉.

Abstract Animal locomotion requires dynamic interactions between neural circuits, muscles, and surrounding environments. In contrast to intensive studies on neural circuits, the neuromechanical basis for animal behaviour remains unclear due to the lack of information on the physical properties of animals. Here, we proposed an integrated neuromechanical model based on physical measurements by taking Drosophila larvae as a model of soft- bodied animals. The biomechanical parameters of fly larvae were measured by the stress- relaxation test. By optimizing parameters in the neural circuit, our neuromechanical model succeeded in quantitatively reproducing the kinematics of larval locomotion that were obtained experimentally. This model could reproduce the observation of optogenetic studies reported previously. The model predicted that peristaltic locomotion could be exhibited in a low friction condition. Analysis of floating larvae provided results consistent with this prediction. Furthermore, the model predicted a significant contribution of intersegmental connections in the central nervous system, which contrasts with a previous study. This hypothesis allowed us to make a testable prediction for the variability in intersegmental connection in sister species of the genus Drosophila . Our model based on physical measurement provides a new foundation to study locomotion in soft-bodied animals and soft robot engineering.

Abstract Protoclusters are high- z overdense regions that will evolve into clusters of galaxies by z = 0, making them ideal for studying galaxy evolution expected to be accelerated by environmental effects. However, it has been challenging to identify protoclusters beyond z = 3 only by photometry due to large redshift uncertainties hindering statistical study. To tackle the issue, we develop a new deep-learning-based protocluster detection model, PCFNet, which considers a protocluster as a point cloud. To detect protoclusters at z ∼ 4 using only optical broadband photometry, we train and evaluate PCFNet with mock g -dropout galaxies based on the N -body simulation with the semianalytic model. We use the sky distribution, i -band magnitude, ( g − i ) color, and the redshift probability density function surrounding a target galaxy on the sky. PCFNet detects 5 times more protocluster member candidates while maintaining high purity (recall = 7.5% ± 0.2%, precision = 44% ± 1%) than conventional methods. Moreover, PCFNet is able to detect more progenitors ( M halo z = 0 =  10 14 − 14.5   M ⊙ ) that are less massive than supermassive clusters like the Coma cluster. We apply PCFNet to the observational photometric data set of the Hyper Suprime-Cam Strategic Survey Program Deep/UltraDeep layer (∼17 deg 2 ) and detect 121 protocluster candidates at z ∼ 4. We find that the rest-UV luminosities of our protocluster member candidates are brighter than those of field galaxies, which is consistent with previous studies. Additionally, the quenching of satellite galaxies depends on both the core galaxy’s halo mass at z ∼ 4 and accumulated mass until z = 0 in the simulation. PCFNet is very flexible and can find protoclusters at other redshifts or in future extensive surveys by Euclid, Legacy Survey of Space and Time, and Roman.