AI对稀有天体分类的陷阱：星系并合

星系并合在我们当前的暗物质宇宙学中极为重要。这些强大的事件导致并合星系的瓦解，推动星系中的气体、恒星与尘埃，从而造成形态变化。这种瓦解也可能在星系内部引发更极端的事件：极高恒星形成率时期以及活动星系核活动的迅速增强。因此，为更好地理解这些稀有事件中发生的过程，我们需要能够识别统计上大样本的此类事件。近年来，人工智能技术的增长已见之于星系并合的识别应用。这些技术已被证明具有极高准确性，其应用已从“我们能否？”的学术探讨扩展至更深层的科学使用。然而，这些分类并非没有问题。在本会议录中，我们将探讨如何通过加入预先提取的星系形态学特征与传统成像数据并肩，来改进星系并合分类。这表明当前的神经网络并未从其给定图像中提取全部信息。我们还将探讨由此得到的稀有天体样本可能受到高度污染，这对Euclid与Rubin-LSST等即将开展的大视场巡天具有连带影响。