利用监督机器学习在大型 HST 巡天 (WISP) 中识别单条谱线：欧几里得与 WFIRST 的先导研究
星系天体物理
2020-07-22 v1 天体物理仪器与方法
数据分析、统计与概率
摘要
未来致力于理解暗能量本质的巡天（如 Euclid 和 WFIRST）将以近红外无缝光谱学覆盖大片河外天空。这些巡天将探测到大量在覆盖光谱范围内仅有一条发射线的星系。为了最大化这些任务的科学回报，必须正确识别单条发射线。利用监督机器学习方法，我们对从 WFC3 IR 光谱并行巡天（WISP）——现有最接近未来无缝巡天的类比之一——中提取的单条发射线样本进行了分类。我们的自动软件将 SED 拟合策略与额外的独立信息源相整合。我们在具有多条已探测谱线、身份确切的“金”样本上对其进行了校准与测试。该算法以 82.6% 的准确率正确分类真实发射线，而由于可用测光数据有限（≤6 个波段），仅用 SED 拟合技术的准确率较低（约 50%）。尽管并非专为 Euclid 和 WFIRST 巡天设计，该算法代表了未来任务中将使用的类似算法的重要前身。
引用
@article{arxiv.2006.12613,
title = {Identification of single spectral lines through supervised machine learning in a large HST survey (WISP): a pilot study for Euclid and WFIRST},
author = {I. Baronchelli and C. M. Scarlata and G. Rodighiero and L. Rodríguez-Muñoz and M. Bonato and M. Bagley and A. Henry and M. Rafelski and M. Malkan and J. Colbert and Y. S. Dai and H. Dickinson and C. Mancini and V. Mehta and L. Morselli and H. I. Teplitz},
journal= {arXiv preprint arXiv:2006.12613},
year = {2020}
}