ALeRCE broker 系统的警报分类：实时图章分类器
天体物理仪器与方法
2021-11-09 v2 高能天体物理现象
机器学习
摘要
我们为 ALeRCE（Automatic Learning for the Rapid Classification of Events，快速事件自动学习分类）broker 提供了一个天文事件实时图章分类器。该分类器基于卷积神经网络，训练数据来自 Zwicky Transient Facility（ZTF）摄入的警报。仅使用首次探测的 science、reference 和 difference 图像作为输入，并将警报的元数据作为特征，该分类器能够在平衡测试集中以高准确率（~94%）正确分类来自活动星系核、超新星（SNe）、变星、小行星和伪警报类的警报。为了从 ZTF 警报流中查找并分析由我们的分类器筛选出的 SN 候选体，我们设计并部署了一个名为 SN Hunter 的可视化工具，其中展示了每个可能 SN 的相关信息，供专家在候选体中选择并上报至 Transient Name Server 数据库。从 2019 年 6 月 26 日到 2021 年 2 月 28 日，我们迄今已上报 6846 个 SN 候选体（平均每日 11.8 个候选体），其中 971 个已通过光谱确认。我们仅使用单次探测即可上报目标的能力意味着，所上报 SN 中有 70% 发生在首次探测后一天之内。ALeRCE 仅上报其他组未探测或未筛选出的候选体，因此为可用于早期跟进的批量目标增添了新的早期暂现源。我们的工作代表着向 Vera C. Rubin Observatory 等下一代大视场望远镜进行快速警报分类的重要里程碑。
引用
@article{arxiv.2008.03309,
title = {Alert Classification for the ALeRCE Broker System: The Real-time Stamp Classifier},
author = {Rodrigo Carrasco-Davis and Esteban Reyes and Camilo Valenzuela and Francisco Förster and Pablo A. Estévez and Giuliano Pignata and Franz E. Bauer and Ignacio Reyes and Paula Sánchez-Sáez and Guillermo Cabrera-Vives and Susana Eyheramendy and Márcio Catelan and Javier Arredondo and Ernesto Castillo-Navarrete and Diego Rodríguez-Mancini and Daniela Ruz-Mieres and Alberto Moya and Luis Sabatini-Gacitúa and Cristóbal Sepúlveda-Cobo and Ashish A. Mahabal and Javier Silva-Farfán and Ernesto Camacho-Iñiquez and Lluís Galbany},
journal= {arXiv preprint arXiv:2008.03309},
year = {2021}
}
备注
Submitted to AAS on Jun 30th. Comments welcome