利用ASKAP通过无监督机器学习发现特殊射电形态
星系天体物理
2022-10-26 v2 宇宙学与河外天体物理
天体物理仪器与方法
摘要
我们呈现一组利用无监督机器学习方法探测到的特殊射电源。我们使用澳大利亚平方公里阵列探路者（ASKAP）望远镜的数据来训练自组织映射（SOM）。来自三项ASKAP巡天——宇宙演化图先导巡天（EMU-PS）、中性气体起源深度探测先导巡天（DINGO）和GAMA-09+X射线ASKAP巡天（SWAG-X）——的射电地图被用于搜索最罕见或未知的射电形态。我们采用了一种SOM算法的扩展，其对天体源实现旋转与翻转不变性。SOM使用EMU-PS中所有“复杂”射电源的图像进行训练，我们将其定义为所有被编目为“多分量”的源。训练后的SOM随后用于估计所有巡天中复杂源的相似度分数。我们依据相似度度量选取最复杂的0.5%的源，并目视检查以寻找最罕见的射电形态。其中，我们发现两个新的奇异射电圈（ORC）候选体和五种其他特殊形态。我们讨论了所选特殊源的多波段性质及光学/红外对应体。此外，我们给出了常规射电形态的例子，包括：星系团中的弥漫发射，以及已分辨的、弯尾型和FR-I与FR-II型射电星系。我们讨论了可能作为ORC候选体圆形形状背后原因的过密环境。
引用
@article{arxiv.2208.13997,
title = {Discovery of Peculiar Radio Morphologies with ASKAP using Unsupervised Machine Learning},
author = {Nikhel Gupta and Minh Huynh and Ray P. Norris and Rosalind Wang and Andrew M. Hopkins and Heinz Andernach and Bärbel S. Koribalski and Tim J. Galvin},
journal= {arXiv preprint arXiv:2208.13997},
year = {2022}
}
备注
Accepted in PASA, 23 pages, 16 figures