The accelerating expansion of the universe is the most surprising cosmological discovery in many decades, implying that the universe is dominated by some form of "dark energy" with exotic physical properties, or that Einstein's theory of gravity breaks down on cosmological scales. The profound implications of cosmic acceleration have inspired ambitious experimental efforts to measure the history of expansion and growth of structure with percent-level precision or higher. We review in detail the four most well established methods for making such measurements: Type Ia supernovae, baryon acoustic oscillations (BAO), weak gravitational lensing, and galaxy clusters. We pay particular attention to the systematic uncertainties in these techniques and to strategies for controlling them at the level needed to exploit "Stage IV" dark energy facilities such as BigBOSS, LSST, Euclid, and WFIRST. We briefly review a number of other approaches including redshift-space distortions, the Alcock-Paczynski test, and direct measurements of H_0. We present extensive forecasts for constraints on the dark energy equation of state and parameterized deviations from GR, achievable with Stage III and Stage IV experimental programs that incorporate supernovae, BAO, weak lensing, and CMB data. We also show the level of precision required for other methods to provide constraints competitive with those of these fiducial programs. We emphasize the value of a balanced program that employs several of the most powerful methods in combination, both to cross-check systematic uncertainties and to take advantage of complementary information. Surveys to probe cosmic acceleration produce data sets with broad applications, and they continue the longstanding astronomical tradition of mapping the universe in ever greater detail over ever larger scales.

We describe redMaPPer, a new red sequence cluster finder specifically designed to make optimal use of ongoing and near-future large photometric surveys. The algorithm has multiple attractive features: (1) it can iteratively self-train the red sequence model based on a minimal spectroscopic training sample, an important feature for high-redshift surveys. (2) It can handle complex masks with varying depth. (3) It produces cluster-appropriate random points to enable large-scale structure studies. (4) All clusters are assigned a full redshift probability distribution P(z). (5) Similarly, clusters can have multiple candidate central galaxies, each with corresponding centering probabilities. (6) The algorithm is parallel and numerically efficient: it can run a Dark Energy Survey-like catalog in ∼500 CPU hours. (7) The algorithm exhibits excellent photometric redshift performance, the richness estimates are tightly correlated with external mass proxies, and the completeness and purity of the corresponding catalogs are superb. We apply the redMaPPer algorithm to ∼10, 000 deg2 of SDSS DR8 data and present the resulting catalog of ∼25,000 clusters over the redshift range z ∈ [0.08, 0.55]. The redMaPPer photometric redshifts are nearly Gaussian, with a scatter σz ≈ 0.006 at z ≈ 0.1, increasing to σz ≈ 0.02 at z ≈ 0.5 due to increased photometric noise near the survey limit. The median value for |Δz|/(1 + z) for the full sample is 0.006. The incidence of projection effects is low (⩽5%). Detailed performance comparisons of the redMaPPer DR8 cluster catalog to X-ray and Sunyaev–Zel'dovich catalogs are presented in a companion paper.

We use 26×106 galaxies from the Dark Energy Survey (DES) Year 1 shape catalogs over 1321 deg2 of the sky to produce the most significant measurement of cosmic shear in a galaxy survey to date. We constrain cosmological parameters in both the flat ΛCDM and the wCDM models, while also varying the neutrino mass density. These results are shown to be robust using two independent shape catalogs, two independent photo-z calibration methods, and two independent analysis pipelines in a blind analysis. We find a 3.5% fractional uncertainty on σ8(Ωm/0.3)0.5=0.782+0.027−0.027 at 68% C.L., which is a factor of 2.5 improvement over the fractional constraining power of our DES Science Verification results. In wCDM, we find a 4.8% fractional uncertainty on σ8(Ωm/0.3)0.5=0.777+0.036−0.038 and a dark energy equation-of-state w=−0.95+0.33−0.39. We find results that are consistent with previous cosmic shear constraints in σ8—Ωm, and we see no evidence for disagreement of our weak lensing data with data from the cosmic microwave background. Finally, we find no evidence preferring a wCDM model allowing w≠−1. We expect further significant improvements with subsequent years of DES data, which will more than triple the sky coverage of our shape catalogs and double the effective integrated exposure time per galaxy.12 MoreReceived 2 August 2017Corrected 28 August 2018DOI:https://doi.org/10.1103/PhysRevD.98.043528© 2018 American Physical SocietyPhysics Subject Headings (PhySH)Research AreasAstrophysical studies of gravityCosmological constantCosmological parametersEvolution of the UniverseGravitationGravitational lensesLarge scale structure of the UniverseSky surveysGravitation, Cosmology & Astrophysics

We report the discovery of eight new Milky Way companions in of optical imaging data collected during the first year of the Dark Energy Survey (DES). Each system is identified as a statistically significant over-density of individual stars consistent with the expected isochrone and luminosity function of an old and metal-poor stellar population. The objects span a wide range of absolute magnitudes (MV from to ), physical sizes (), and heliocentric distances (). Based on the low surface brightnesses, large physical sizes, and/or large Galactocentric distances of these objects, several are likely to be new ultra-faint satellite galaxies of the Milky Way and/or Magellanic Clouds. We introduce a likelihood-based algorithm to search for and characterize stellar over-densities, as well as identify stars with high satellite membership probabilities. We also present completeness estimates for detecting ultra-faint galaxies of varying luminosities, sizes, and heliocentric distances in the first-year DES data.

ABSTRACT We describe updates to the redMaPPer algorithm, a photometric red-sequence cluster finder specifically designed for large photometric surveys. The updated algorithm is applied to of Science Verification (SV) data from the Dark Energy Survey (DES), and to the Sloan Digital Sky Survey (SDSS) DR8 photometric data set. The DES SV catalog is locally volume limited and contains 786 clusters with richness (roughly equivalent to ) and . The DR8 catalog consists of 26,311 clusters with , with a sharply increasing richness threshold as a function of redshift for . The photometric redshift performance of both catalogs is shown to be excellent, with photometric redshift uncertainties controlled at the level for , rising to ∼0.02 at in DES SV. We make use of Chandra and XMM X-ray and South Pole Telescope Sunyaev–Zeldovich data to show that the centering performance and mass–richness scatter are consistent with expectations based on prior runs of redMaPPer on SDSS data. We also show how the redMaPPer photo- z and richness estimates are relatively insensitive to imperfect star/galaxy separation and small-scale star masks.

We present a large catalog of optically selected galaxy clusters from the application of a new Gaussian Mixture Brightest Cluster Galaxy (GMBCG) algorithm to SDSS Data Release 7 data. The algorithm detects clusters by identifying the red-sequence plus brightest cluster galaxy (BCG) feature, which is unique for galaxy clusters and does not exist among field galaxies. Red-sequence clustering in color space is detected using an Error Corrected Gaussian Mixture Model. We run GMBCG on 8240 deg2 of photometric data from SDSS DR7 to assemble the largest ever optical galaxy cluster catalog, consisting of over 55,000 rich clusters across the redshift range from 0.1 < z < 0.55. We present Monte Carlo tests of completeness and purity and perform cross-matching with X-ray clusters and with the maxBCG sample at low redshift. These tests indicate high completeness and purity across the full redshift range for clusters with 15 or more members.

We combine Dark Energy Survey Year 1 clustering and weak lensing data with Baryon Acoustic Oscillations (BAO) and Big Bang Nucleosynthesis (BBN) experiments to constrain the Hubble constant. Assuming a flat $\Lambda$CDM model with minimal neutrino mass ($\sum m_\nu = 0.06$ eV) we find $H_0=67.2^{+1.2}_{-1.0}$ km/s/Mpc (68% CL). This result is completely independent of Hubble constant measurements based on the distance ladder, Cosmic Microwave Background (CMB) anisotropies (both temperature and polarization), and strong lensing constraints. There are now five data sets that: a) have no shared observational systematics; and b) each constrain the Hubble constant with a few percent level precision. We compare these five independent measurements, and find that, as a set, the differences between them are significant at the $2.1\sigma$ level ($\chi^2/dof=20.1/11$, probability to exceed=4%). This difference is low enough that we consider the data sets statistically consistent with each other. The best fit Hubble constant obtained by combining all five data sets is $H_0 = 69.1^{+0.4}_{-0.6}$ km/s/Mpc.

We constrain the mass–richness scaling relation of redMaPPer galaxy clusters identified in the Dark Energy Survey Year 1 data using weak gravitational lensing. We split clusters into 4 × 3 bins of richness λ and redshift |$z$| for λ ≥ 20 and 0.2 ≤ |$z$| ≤ 0.65 and measure the mean masses of these bins using their stacked weak lensing signal. By modelling the scaling relation as 〈M200m|λ, |$z$|〉 = M0(λ/40)F((1 + |$z$|⁠)/1.35)G, we constrain the normalization of the scaling relation at the 5.0 per cent level, finding M0 = [3.081 ± 0.075(stat) ± 0.133(sys)] · 1014 M⊙ at λ = 40 and |$z$| = 0.35. The recovered richness scaling index is F = 1.356 ± 0.051 (stat) ± 0.008 (sys) and the redshift scaling index G = −0.30 ± 0.30 (stat) ± 0.06 (sys). These are the tightest measurements of the normalization and richness scaling index made to date from a weak lensing experiment. We use a semi-analytic covariance matrix to characterize the statistical errors in the recovered weak lensing profiles. Our analysis accounts for the following sources of systematic error: shear and photometric redshift errors, cluster miscentring, cluster member dilution of the source sample, systematic uncertainties in the modelling of the halo–mass correlation function, halo triaxiality, and projection effects. We discuss prospects for reducing our systematic error budget, which dominates the uncertainty on M0. Our result is in excellent agreement with, but has significantly smaller uncertainties than, previous measurements in the literature, and augurs well for the power of the DES cluster survey as a tool for precision cosmology and upcoming galaxy surveys such as LSST, Euclid, and WFIRST.