强引力透镜搜寻神经网络的选择函数

文献中常见的、具有相似架构与训练数据并用于透镜搜寻任务的卷积神经网络是有偏分类器。理解透镜搜寻神经网络的选择函数，将是充分释放即将到来的宽视场巡天中所发现的大样本强引力透镜系统潜力的关键。我们使用三个训练数据集，它们代表了用于训练星系-星系与星系-类星体透镜搜寻神经网络的那些数据集。这些网络优先选择具有更大爱因斯坦半径、更大源且源光分布更集中的系统。将探测显著性阈值从 8$\sigma$ 提高到 12$\sigma$ 后，所选强透镜系统中 50% 具有爱因斯坦半径 $\theta_\mathrm{E}$ $\ge$ 1.04 arcsec（原 $\theta_\mathrm{E}$ $\ge$ 0.879 arcsec）、源半径 $R_S$ $\ge$ 0.194 arcsec（原 $R_S$ $\ge$ 0.178 arcsec）以及源 S\'ersic 指数 $n_{\mathrm{Sc}}^{\mathrm{S}}$ $\ge$ 2.62（原 $n_{\mathrm{Sc}}^{\mathrm{S}}$ $\ge$ 2.55）。为寻找被透镜化类星体而训练的模型，比那些为寻找被透镜化星系而训练的模型，对更高透镜椭率表现出更强的偏好。该选择函数与质量轮廓幂律的斜率无关，因此对该量的测量将不受影响。透镜搜寻器的选择函数强化了透镜截面的选择函数，因此我们期望我们的发现对所有星系-星系与星系-类星体透镜搜寻神经网络而言是一个普遍结果。