Rainbow：一种用于多波段光变曲线估计的彩色方法
天体物理仪器与方法
2023-10-06 v2 数据分析、统计与概率
摘要
我们提出 Rainbow，一个物理驱动的框架，支持同步多波段光变曲线拟合。它允许用户跨波长和时间构建二维连续曲面，即使在每个滤光片观测数量极为有限的情况下亦可。假设暂现源的电磁辐射发射可由黑体近似，我们结合了预期温度演化与描述其热光度光变曲线的参数化函数。这三重要素使得一个波段中的可用信息可引导其他波段的重建，从而实现对多巡天数据的恰当利用。我们通过将方法应用于来自 Photometric LSST Astronomical Time-series Classification Challenge（PLAsTiCC）的模拟数据以及来自 Young Supernova Experiment（YSE DR1）的真实数据来展示方法的有效性。我们根据三项不同测试评估估计光变曲线的质量：拟合优度、峰值时间预测以及向基于机器学习（ML）的分类器传递信息的能力。结果证实，与单色方法相比，Rainbow 带来等效（SNII）或高达 75% 更优（SN Ibc）的拟合优度。类似地，在使用 Rainbow 最佳拟合值作为多类 ML 分类参数空间时，样本中各类的准确率均得到提升。Rainbow 的高效实现已作为光变曲线包的一部分公开发布于 https://github.com/light-curve/light-curve-python。我们的方法能够对来自多个实验、具有多滤光片观测的目标实现直接的光变曲线估计，尤其适用于光变曲线采样稀疏的情形。
引用
@article{arxiv.2310.02916,
title = {Rainbow: a colorful approach on multi-passband light curve estimation},
author = {E. Russeil and K. L. Malanchev and P. D. Aleo and E. E. O. Ishida and M. V. Pruzhinskaya and E. Gangler and A. D. Lavrukhina and A. A. Volnova and A. Voloshina and T. Semenikhin and S. Sreejith and M. V. Kornilov and V. S. Korolev},
journal= {arXiv preprint arXiv:2310.02916},
year = {2023}
}
备注
14 pages, 15 figures, submitted to A&A