用 SCONE 对超新星早期光变曲线进行测光分类
天体物理仪器与方法
2022-01-19 v1 宇宙学与河外天体物理
摘要
在本工作中，我们展示了 SCONE 对超新星早期光变曲线的分类结果；SCONE 是一种测光分类器，使用卷积神经网络通过光变曲线数据按类型对超新星（SNe）进行分类。SCONE 能够在光变曲线的任意阶段识别 SN 类型，从初始报警之夜到其寿命结束。模拟的 LSST SNe 光变曲线在触发日期后 0、5、15、25 和 50 天被截断，并用于在波长与时间空间训练高斯过程以生成波长-时间热图。SCONE 使用这些热图在 SN 类型 Ia、II、Ibc、Ia-91bg、Iax 和 SLSN-I 间进行 6 类分类。SCONE 能够在有或没有红移的情况下进行分类，但我们表明加入红移信息可在各时期提升性能。SCONE 在触发日达到 75% 的总体准确率（无红移为 60%），触发后 50 天达到 89% 准确率（无红移为 82%）。SCONE 还在 SNe 亮子集（r<20 mag）上测试，在触发日产生 91% 准确率（无红移为 83%），触发后 5 天为 95%（无红移为 94.7%）。SCONE 是将卷积神经网络应用于早期测光瞬变分类问题的首个应用。本文开发的所有数据处理与模型代码可在位于 github.com/helenqu/scone 的 SCONE 软件包中找到。
引用
@article{arxiv.2111.05539,
title = {Photometric Classification of Early-Time Supernova Lightcurves with SCONE},
author = {Helen Qu and Masao Sako},
journal= {arXiv preprint arXiv:2111.05539},
year = {2022}
}
备注
submitted to AJ, code available at https://github.com/helenqu/scone