基于深度学习的 Zwicky 暂现源设施真实/伪源分类
天体物理仪器与方法
2019-09-25 v1
摘要
对于大规模天文巡天，对流量暂现源、重复流量变源和移动目标的高效自动探测日益重要。我们提出 braai，一种卷积神经网络深度学习真实/伪源分类器，旨在从 Zwicky 暂现源设施（ZTF）数据的假阳性（即伪源）探测中分离出真正的天体物理事件与对象；ZTF 是美国加州帕洛玛天文台正在运行的新机器人时域巡天。Braai 展现出由低假阴性率和低假阳性率所量化的顶尖性能。我们描述了加州理工学院内部用于存档和访问 ZTF 警报与光变曲线（Kowalski）以及标注数据（Zwickyverse）的开源软件工具。我们还报告了分类器在 Edge 张量处理单元（TPU）上部署的初步结果，其精度相当，但方式更为（成本）高效，这对当前及未来巡天具有重要意义。
引用
@article{arxiv.1907.11259,
title = {Real-bogus classification for the Zwicky Transient Facility using deep learning},
author = {Dmitry A. Duev and Ashish Mahabal and Frank J. Masci and Matthew J. Graham and Ben Rusholme and Richard Walters and Ishani Karmarkar and Sara Frederick and Mansi M. Kasliwal and Umaa Rebbapragada and Charlotte Ward},
journal= {arXiv preprint arXiv:1907.11259},
year = {2019}
}