用于中等帕洛马瞬变工厂的IPAC图像差分与发现管线
天体物理仪器与方法
2016-12-14 v2
摘要
我们描述了目前于加州理工学院红外处理与分析中心（IPAC）运行的中等帕洛马瞬变工厂（iPTF）的近实时瞬变源发现引擎。我们将此系统命名为IPAC/iPTF发现引擎（或IDE）。我们回顾了用于PSF匹配、图像差分、检测、测光以及提取的瞬变候选体机器学习（ML）审核的算法。我们还回顾了我们的ML分类器的性能。在相对无混淆区域，对于极限信噪比为4的情况，来自处理伪影和不完美图像差分的“虚假”候选体数量超过真实瞬变体约10:1。对于天体测量和/或PSF匹配解不准确的图像数据，这一比例可能要高得多。尽管偶尔存在如此高的污染率，ML分类器在对原始候选体进行分类时，能够在最大可容忍假阳性率为1%的情况下，以约97%的效率（或完备性）识别出真实瞬变体。所有差分图像度量、源特征、基于ML概率的真实-虚假评分、来自其他巡天的上下文元数据以及与已知太阳系天体的可能关联都存储在一个关系数据库中，供各科学工作组检索。我们回顾了在减少假阳性方面所做的努力，以及为响应iPTF正在进行的众多科学项目而优化整个系统的经验。
引用
@article{arxiv.1608.01733,
title = {The IPAC Image Subtraction and Discovery Pipeline for the intermediate Palomar Transient Factory},
author = {Frank Masci and Russ Laher and Umaa Rebbapragada and Gary Doran and Adam Miller and Eric Bellm and Mansi Kasliwal and Eran Ofek and Jason Surace and David Shupe and Carl Grillmair and Ed Jackson and Tom Barlow and Lin Yan and Yi Cao and S. Bradley Cenko and Lisa Storrie-Lombardi and George Helou and Thomas Prince and Shrinivas Kulkarni},
journal= {arXiv preprint arXiv:1608.01733},
year = {2016}
}
备注
66 pages, 21 figures, 7 tables, accepted by PASP