ULISSE：一种单次天空探索工具及其在活动星系核探测中的应用
天体物理仪器与方法
2022-10-26 v1 计算机视觉与模式识别
摘要
现代巡天正在产生越来越大量的观测数据，这使得经典方法在天体分类与分析上变得困难且耗时。然而，应用自动机器学习与深度学习方法可显著缓解该问题。我们提出 ULISSE，一种新深度学习工具，它从单个原型天体出发，能够识别具有相同的形态与测光性质的天体，从而生成候选相似体（sosia）列表。本文中，我们聚焦于将该方法应用于斯隆数字巡天星系样本中 AGN 候选体的探测，因为在光学波段识别与分类活动星系核（AGN）仍是河外天文学中的挑战性任务。ULISSE 面向大型巡天的初步探索，直接利用从 ImageNet 数据集中提取的特征进行相似性搜索。该方法能够从给定原型的单张图像出发，无需任何耗时的神经网络训练，快速识别候选列表。我们的实验表明，ULISSE 能够基于宿主星系形态、颜色以及中心核源的存在，以 21% 至 65%（含复合源）的检索效率识别 AGN 候选体，具体取决于原型，而随机猜测基线为 12%。我们发现 ULISSE 在早型宿主星系中检索 AGN 最为有效，而对于具有旋涡或晚型性质的原型则效果较差。基于本工作所述结果，ULISSE 可成为在当前与未来宽场巡天（如 Euclid、LSST 等每晚瞄准数百万源）中选择不同类型天体物理天体的有前景工具。
引用
@article{arxiv.2208.10984,
title = {ULISSE: A Tool for One-shot Sky Exploration and its Application to Active Galactic Nuclei Detection},
author = {Lars Doorenbos and Olena Torbaniuk and Stefano Cavuoti and Maurizio Paolillo and Giuseppe Longo and Massimo Brescia and Raphael Sznitman and Pablo Márquez-Neila},
journal= {arXiv preprint arXiv:2208.10984},
year = {2022}
}
备注
Accepted for publication in A&A