测试卷积神经网络在KiDS中搜寻强引力透镜
星系天体物理
2018-10-05 v2 天体物理仪器与方法
摘要
卷积神经网络（ConvNets）是在巡天数据中识别强引力透镜候选体最有前景的方法之一。我们呈现了两个ConvNet透镜搜寻器，用由Kilo Degree Survey（KiDS）真实星系与模拟透镜源组成的数据集训练。一个ConvNet用单\textit{r}波段星系图像训练，因此分类主要基于形态。另一个ConvNet用\textit{g-r-i}合成图像训练，主要依赖颜色与形态。我们在从KiDS选出的21789个亮红星系（LRGs）样本上测试了ConvNet透镜搜寻器，并将结果与我们先前在同一样本上的ConvNet透镜搜寻器分析比较。新透镜搜寻器在识别引力透镜候选体上达到更高准确率和完备度，尤其是单波段ConvNet。我们的分析表明这主要由于透镜源模拟的改进。特别地，单波段ConvNet能选出纯度的透镜候选样本，检索出LRG样本中4个已确认引力透镜中的3个。在此特定设置与有限人工干预下，未来如Euclid等巡天将可能检索到规模超过当前已知引力透镜总数的透镜样本。
引用
@article{arxiv.1807.04764,
title = {Testing Convolutional Neural Networks for finding strong gravitational lenses in KiDS},
author = {C. E. Petrillo and C. Tortora and S. Chatterjee and G. Vernardos and L. V. E. Koopmans and G. Verdoes Kleijn and N. R. Napolitano and G. Covone and L. S. Kelvin and A. M. Hopkins},
journal= {arXiv preprint arXiv:1807.04764},
year = {2018}
}
备注
16 pages, 10 figures. Accepted for publication in MNRAS