利用多模态对 Zwicky 瞬态设施发现的瞬变和变源进行实时分类

现代时域巡天，如 Zwicky 瞬态设施（ZTF），每晚产生数十万条警报，使得为后续观测做出实时决策成为时域天文学的核心挑战。稳健的早期分类对于做出明智的决策至关重要，但受到稀疏光变曲线和类别间简并性的阻碍。在这项工作中，我们利用多模态来显著改进实时分类，并通过将我们的模型部署在 ZTF 警报流上来证明我们方法的实用性。在在线排名天体物理分类估计器（ORACLE）的基础上，我们引入了 ORACLE-2 模型，该模型结合了光变曲线、元数据和图像进行实时层次分类。使用真实和模拟数据集，我们表明纳入额外的模态持续提高分类性能。在 ZTF 亮瞬变巡天的观测中，我们表现最好的模型 ORACLE-2 Omni 实现了 0.73 的宏 F1 分数——比仅使用光变曲线和元数据的模型提高了 11%，比仅使用光变曲线的模型提高了 40%，其中最大的收益在早期实现。为了展示对 Legacy Survey of Space and Time 的适用性，该巡天将把警报量增加一个数量级以上，我们在模拟的 ELAsTiCC 数据集上训练了一个光变曲线 + 元数据变体。该模型实现了 0.88 的宏 F1 分数，比仅光变曲线变体提高了 13%，与其他最先进模型的性能相匹配。最后，我们量化了性能与吞吐量之间的权衡，确定了多模态方法提供最大收益的区域。这些结果表明，结合多种模态可以改善早期分类，从而能够为当前和未来的时域巡天更有效地分流高容量警报流。