结合神经网络与星系光减除以在HSC SSP中发现强透镜
星系天体物理
2025-02-17 v2 宇宙学与河外天体物理
摘要
星系尺度的强引力透镜是多种天体物理和宇宙学应用的宝贵天体。强透镜星系稀少，因此常在大规模成像数据集上使用卷积神经网络等高效搜索方法。本文应用一种新技术，通过从训练和测试数据集中减除中心（透镜）星系光，提高监督神经网络的性能。我们使用来自超极限相机昴星团战略计划（HSC SSP）的多波段成像数据作为训练和测试数据集。通过减除透镜星系光，我们增加了透镜源相对于原始成像数据的对比度。我们还将光减除应用于非透镜，以便将其与光减除后的透镜进行比较。因光减除不佳产生的残留特征可能对仅在减除图像上训练的网络性能产生不利影响。我们发现，将光减除图像与原始gri波段图像结合用于训练和分类，可以克服这一问题并提高整体分类准确性。我们发现，使用基准图像和光减除图像的组合，接收者操作特征曲线下面积可提高到0.841，而仅使用基准成像数据集为0.808。这可能是一种利用CNN改进未来透镜搜索的有前景技术。
引用
@article{arxiv.2411.07492,
title = {Combining neural networks with galaxy light subtraction for discovering strong lenses in the HSC SSP},
author = {Yuichiro Ishida and Kenneth C. Wong and Anton T. Jaelani and Anupreeta More},
journal= {arXiv preprint arXiv:2411.07492},
year = {2025}
}