基于复杂性方法在 EMU 先导巡天中识别异常射电源

宇宙演化图（EMU）大面积射电连续谱巡天将探测数千万个射电星系，为发现未知类型的天体提供机会。为最大化科学价值并作出新发现，对此数据的分析需要超越简单的目视检查。我们提出粗粒度复杂性，一种与图像最小描述长度相关的简单标量量，可用于识别不寻常的结构。该复杂性可在不参考更大样本或现有星表数据的情况下计算，使得在极大规模的新巡天（如完整的 EMU 巡天）上计算高效。我们将粗粒度复杂性度量应用于 EMU 先导巡天数据，以检测并确认该数据集中的异常天体并生成异常星表。我们不对使用特定源探测算法的现有星表数据进行处理，而是对该区域进行盲扫描，使用滑动方形孔径计算复杂性。利用通过 Zooniverse.org 平台生成的众包标签评估复杂性度量识别异常天体的有效性。我们发现复杂性扫描通过对复杂性进行划分来识别不寻常源，如奇异射电环。我们实现了这样的划分：相对于异常体，5% 的数据估计具有 86% 的完备率，0.5% 估计具有 94% 的纯净率，并据此生成异常星表。