面向测光时间序列的高性能特征提取
天体物理仪器与方法
2023-02-22 v1
摘要
天文学正进入可变天空的大视场巡天时代，如 Zwicky Transient Facility (ZTF) 与即将到来的 Legacy Survey of Space and Time (LSST)，其旨在每晚产生多达一百万条警报。如此大量的测光数据需要高效的光变曲线预处理算法，以用于后续的数据质量筛选、分类和表征分析。在本工作中，我们提出用于 Python 和 Rust 的新库“light-curve”，旨在从可变天文源的光变曲线中提取特征。该库适用于机器学习分类问题：它提供了特征提取器的快速实现，性能优于其他公开可用代码，并包含数十种描述光变曲线形状、星等分布和周期性质的特征。它不仅包含已被证明在分类任务中提供高性能的特征，还包含我们为改善特定类型天体分类质量而开发的新特征。“light-curve”库目前正被 ANTARES、AMPEL 和 Fink broker 系统用于分析 ZTF 警报流，并已被选用于 LSST。
引用
@article{arxiv.2302.10837,
title = {Performant feature extraction for photometric time series},
author = {Anastasia Lavrukhina and Konstantin Malanchev},
journal= {arXiv preprint arXiv:2302.10837},
year = {2023}
}
备注
4 pages, 3 figures. EAS 2022 proceeding, to be published in Memorie della SAIt