Citizen ASAS-SN 数据发布 I：利用公民科学进行变星分类

我们呈现 Citizen ASAS-SN 的首批结果，这是一个托管于 Zooniverse 平台的、面向全天自动超新星巡天（ASAS-SN）的公民科学项目。Citizen ASAS-SN 利用更新、更深、更高 cadence 的 ASAS-SN $g$ 波段数据，并任务志愿者基于其相位光曲线对周期性变星候选体进行分类。我们始于来自 ${\sim} 7.4$ 百万颗 $\delta < -60^\circ$ 恒星输入列表的 40,640 个新变星候选体，志愿者识别出 10,420 个新发现，并将其分类为 4,234 个脉动变星、3,132 个自转变星、2,923 个食双星，以及 131 个被标记为未知的变星。他们对已知变星的分类准确率为：脉动变星 89%、食双星 81%、自转变星 49%。我们考察了用户表现、用户间一致性，并将公民科学分类与我们针对 $g$ 波段光曲线更新的机器学习分类器进行比较。总体上，用户活跃度与更高分类准确率和更高用户一致性相关。我们利用用户的“Junk”分类开发了一种有效的机器学习分类器以区分真实与假变星，并且存在一条明确路径可使用该“Junk”训练集显著改进我们的主要机器学习分类器。我们还通过若干实例说明了 Citizen ASAS-SN 在识别不寻常变星方面的价值。