DASH：用于超新星及其宿主星系光谱自动分类的深度学习工具
天体物理仪器与方法
2019-12-06 v3 宇宙学与河外天体物理
摘要
我们提出DASH（Deep Automated Supernova and Host classifier，深度自动化超新星与宿主分类器），一个自动化分类超新星光谱的类型、年龄、红移和宿主星系的新型软件包。DASH使用了一种不依赖于像所有先前软件那样的迭代模板匹配技术的新方法，而是基于每颗超新星类型和年龄的学习特征进行分类。它通过采用深度卷积神经网络来训练匹配算法实现了这一点。这种方法使DASH比以前的工具有数量级的速度提升，能够在数秒内准确分类数百或数千个天体。我们已在澳大利亚暗能量巡天（OzDES）的四年数据上测试了其性能。深度学习模型使用TensorFlow开发，并使用来自CfA超新星计划和伯克利SN Ia计划（如SNID（超新星识别软件，Blondin & Tonry 2007）中所用）的超过4000条超新星光谱进行训练。与模板匹配方法不同，训练好的模型与训练数据中的光谱数量无关，这使得DASH具有前所未有的速度。我们开发了用于超新星简易可视分类和分析的图形界面，以及用于多个超新星光谱自主快速分类的Python库。DASH的速度、准确性、用户友好性和多功能性代表了现有光谱分类工具的进步。我们已在GitHub和PyPI（pip install astrodash）上公开代码以允许进一步贡献和开发。软件包文档可在 https://astrodash.readthedocs.io 获取。
引用
@article{arxiv.1903.02557,
title = {DASH: Deep Learning for the Automated Spectral Classification of Supernovae and their Hosts},
author = {Daniel Muthukrishna and David Parkinson and Brad Tucker},
journal= {arXiv preprint arXiv:1903.02557},
year = {2019}
}
备注
15 pages plus appendices, 8 figures, 2 tables. Accepted for publication in the Astrophysical Journal