利用自监督表示学习检测潮汐特征
星系天体物理
2023-07-12 v1 天体物理仪器与方法
摘要
星系周围低面亮度子结构（称为潮汐特征）是探测过去或正在进行星系并合的有价值工具。其性质可解答有关相互作用中祖星系的问题。本文展示了一种自监督机器学习模型的有前景结果，该模型在超暗层（Ultradeep layer）的 Hyper Suprime-Cam Subaru Strategic Program 光学成像巡天数据上训练，旨在自动化检测潮汐特征。我们发现自监督模型能够检测潮汐特征，且我们的模型优于以往的自动化潮汐特征检测方法，包括一个全监督模型。先前最先进的方法在 22% 污染率下达到 76% 完备率，而我们的模型在相同污染水平下达到了显著更高的（96%）完备率。
引用
@article{arxiv.2307.04967,
title = {Detecting Tidal Features using Self-Supervised Representation Learning},
author = {Alice Desmons and Sarah Brough and Francois Lanusse},
journal= {arXiv preprint arXiv:2307.04967},
year = {2023}
}
备注
Accepted at the ICML 2023 Workshop on Machine Learning for Astrophysics