关于螳螂虾的初步报告：一个多巡天计算机视觉光度红移模型

大型、公开、多模态天文数据集的可用性为开展跨越人工智能科学与天文学科学界限的新颖研究提供了机会。光度红移估计是天文学中一个成熟的分支。先前的研究表明，计算机视觉模型通常优于基于星表的模型，但这些模型在整合来自多个仪器或传感器的图像时面临额外的复杂性。在本报告中，我们详细介绍了创建螳螂虾的进展，这是一个用于光度红移估计的多巡天计算机视觉模型，它融合了紫外（GALEX）、光学（PanSTARRS）和红外（UnWISE）图像。我们使用深度学习可解释性诊断方法来衡量模型如何利用来自不同输入的信息。我们从可解释性指标出发，推理卷积神经网络的行为，特别是根据对星系特性的物理基础知识来阐述结果。