通过 Fink 发现活动星系核
天体物理仪器与方法
2022-11-22 v1 机器学习
摘要
我们介绍了当前在 Fink broker 中实现的活动星系核（AGN）分类器。特征构建基于可用测光点的汇总统计，以及通过符号回归实现的颜色估计。学习阶段包含一个主动学习循环，用于从天文星表报告的标签中构建优化的训练样本。使用该方法对来自 Zwicky Transient Facility（ZTF）的真实警报进行分类，我们达到了 98.0% 的准确率、93.8% 的精确率和 88.5% 的召回率。我们还描述了启用处理即将到来的 Vera C. Rubin Observatory Large Survey of Space and Time（LSST）数据所需的修改，并将其应用于 Extended LSST Astronomical Time-series Classification Challenge（ELAsTiCC）的训练样本。结果表明，我们设计的特征空间使传统机器学习算法在该二分类任务中表现出高性能。
引用
@article{arxiv.2211.10987,
title = {Finding active galactic nuclei through Fink},
author = {Etienne Russeil and Emille E. O. Ishida and Roman Le Montagner and Julien Peloton and Anais Moller},
journal= {arXiv preprint arXiv:2211.10987},
year = {2022}
}
备注
Accepted for the Machine learning and the Physical Sciences workshop of NeurIPS 2022