基于不完整巡天构建远紫外全天图：深度学习算法的应用
星系天体物理
2021-01-20 v1
摘要
我们基于韩国微卫星 STSAT-1 搭载的远紫外成像光谱仪（FIMS）的观测数据，构建了远紫外（FUV）全天图。对于 FIMS 观测未覆盖的约 20% 天空区域，使用了深度人工神经网络的预测结果。选取了七个数据集作为输入参数，包括 H-alpha、E(B-V)、N(HI) 的五个全天图以及两个 X 射线波段，并包含银经与银纬。从观测到的 FIMS 数据集中随机选取 70% 的像素作为目标参数进行训练，其余 30% 用于验证。采用了一个由三个卷积层和一个末端全连接层组成的简单四层神经网络结构，每个卷积层均有独立的激活函数，且每个卷积层后接一个 dropout 层。预测出的 FUV 强度与星系演化探测器（GALEX）在高银纬类似 FUV 波段下的观测结果吻合良好。作为所构建图谱的一个示例应用，我们利用模型光学参数和银河系尘埃模型，对包含观测与预测像素的区域进行了尘埃散射模拟。总体而言，观测区域与预测区域的 FUV 强度均得到了较好再现。
引用
@article{arxiv.2101.03666,
title = {Construction of a far ultraviolet all sky map from an incomplete survey: Application of a deep learning algorithm},
author = {Young-Soo Jo and Yeon-Ju Choi and Min-Gi Kim and Chang-Ho Woo and Kyoung-Wook Min and Kwang-Il Seon},
journal= {arXiv preprint arXiv:2101.03666},
year = {2021}
}
备注
10 pages, 12 figures