神经网络的饱和星体光度测量
太阳与恒星天体物理
2024-06-21 v2 天体物理仪器与方法
计算机视觉与模式识别
摘要
我们采用多层感知器 (MLP) 神经网络，对 ASAS-SN (All-Sky Automated Survey for Supernovae) 中饱和星体进行光度测量。MLP 能为来自 g~4 到 14~mag 的星体获得相当无偏的光度测量，尤其是对于饱和 (g<11.5 mag) 星体，其分散程度 (15%-85% 1sigma 范围围绕中位数) 为 0.12 mag。更重要的是，非变的饱和星体的光度曲线，其中位数分散仅为 0.037 mag。与 ASAS-SN 标准管道提供的光度曲线相比，MLP 的光度曲线在许多情况下要神奇地更好。尽管该网络仅基于一台 ASAS-SN 20 台相机之一的 g 带数据进行训练，但初始实验表明它可以用于任何相机以及较旧的 ASAS-SN V 带数据。主要问题似乎与 ASAS-SN 数据减级管道中针对饱和星体的可纠正问题有关，而非 MLP 本身。该方法已作为 ASAS-SN Sky Patrol v1.0 的一个光度曲线选项公开发布。
引用
@article{arxiv.2404.15405,
title = {Photometry of Saturated Stars with Neural Networks},
author = {Dominik Winecki and Christopher S. Kochanek},
journal= {arXiv preprint arXiv:2404.15405},
year = {2024}
}
备注
accepted by ApJ