HOLISMOKES -- XII. 使用长短期记忆网络测量强透镜 Ia 型超新星的时间延迟

强透镜 Ia 型超新星（LSNe Ia）是直接测量哈勃常数（$H_0$）的一种有前景的探针。要利用 LSNe Ia 进行宇宙学测绘，需要测量多重图像之间的时间延迟、一个透镜质量模型以及沿视线方向的质量重建。在这项工作中，我们提出了机器学习网络 LSTM-FCNN，它结合了长短期记忆网络（LSTM）和全连接神经网络（FCNN）。LSTM-FCNN 旨在测量涵盖广泛属性范围的 LSNe Ia 样本的时间延迟，我们预期将通过即将到来的鲁宾天文台时空遗产巡天（LSST）发现这些样本，并已计划进行后续观测。通过 $i$ 波段的后续观测（节奏为每天一到三次，单次 $5\sigma$ 深度为 24.5 星等），我们在大量 LSNe Ia 样本上实现了无偏的时间延迟测量，精度约为 0.7 天。LSTM-FCNN 远比以往的机器学习方法（如随机森林 RF）更具通用性，RF 必须针对每种观测模式分别训练，而 LSTM-FCNN 的性能却比 RF 高出约三倍。因此，LSTM-FCNN 是一种非常有前景的方法，可在 LSNe Ia 中获得稳健的时间延迟，这对于精确且准确地约束 $H_0$ 至关重要。