利用卷积神经网络从 PAndAS 图像中甄别 M31 新星团候选体
星系天体物理
2022-04-15 v2
摘要
背景。在 M31 中甄别新星团候选体对于研究 M31 星团系统至关重要。机器学习方法卷积神经网络（CNN）是一种从广角测光巡天数千万幅图像中搜寻 M31 新星团候选体的高效算法。目的。我们通过 CNN 从 Pan-Andromeda Archaeological Survey（PAndAS）获取的高质量 和 波段、共 21,245,632 个源的图像中搜寻 M31 星团候选体。方法。我们从文献中收集已确认的 M31 星团与非星团天体作为训练样本。构建并训练了精确的双通道 CNN，使用训练样本进行训练。我们将 CNN 分类模型应用于超过 2100 万个源的 PAndAS 和 波段图像以搜寻新的 M31 星团候选体。CNN 预测最终由五位经验丰富的人工审查员核查，以获得高置信度的 M31 星团候选体。结果。经审查，我们甄别出包含 117 个新 M31 星团候选体的星表。大多数新候选体是位于 M31 盘中的年轻星团，其形态、颜色和星等与已确认的年轻盘星团相似。我们还甄别出八个位于 M31 晕中的球状星团候选体，呈现出与已确认晕球状星团相似的特征。其中三个到 M31 中心的投影距离大于 100\,kpc。
引用
@article{arxiv.2111.07798,
title = {Identification of new M31 star cluster candidates from PAndAS images using convolutional neural networks},
author = {Shoucheng Wang and Bingqiu Chen and Jun Ma and Qian Long and Haibo Yuan and Dezi Liu and Zhimin Zhou and Wei Liu and Jiamin Chen and Zizhao He},
journal= {arXiv preprint arXiv:2111.07798},
year = {2022}
}
备注
Published in A&A