利用卷积神经网络加速DECam多信使对应体搜寻
天体物理仪器与方法
2022-05-23 v3
摘要
利用光学成像仪对多信使事件对应体的搜寻采用差分成像来探测新的暂现源。然而，即便已有伪迹探测算法，该过程仍会同时返回几类假阳性：来自低质量图像相减的假探测、来自低信噪比图像的假探测，以及对已有变源的探测。目前，人工目视检查以剔除假阳性是多信使后随观测的核心环节，但当下一代引力波和中微子探测器上线并提高多信使事件率时，目视检查过程将昂贵得令人却步。我们采用两个作用于差分成像输出的卷积神经网络来解决此问题。第一个网络专注于剔除假探测，在我们的数据集上达到了92%的准确率。第二个网络专注于按处于宿主星系内暂现源的概率对所有真实探测进行分类，并区分此前需额外人工检查的各类图像。我们发现，仅使用我们的方法，需人工检查的图像数量将减少1.5倍，而将我们的方法与现有算法结合使用则减少3.6倍，从而助力天文界实现快速的多信使对应体识别。
引用
@article{arxiv.2106.11315,
title = {Expediting DECam Multimessenger Counterpart Searches with Convolutional Neural Networks},
author = {Adam Shandonay and Robert Morgan and Keith Bechtol and Clecio R. Bom and Brian Nord and Alyssa Garcia and Ben Henghes and Kenneth Herner and Megan Tabbutt and Antonella Palmese and Luidhy Santana-Silva and Marcelle Soares-Santos and Mandeep S. S. Gill and Juan Garcia-Bellido},
journal= {arXiv preprint arXiv:2106.11315},
year = {2022}
}
备注
Published in ApJ