使用卷积神经网络在 KiDS DR5 中搜寻强透镜类星体
星系天体物理
2025-01-03 v2 宇宙学与河外天体物理
摘要
强引力透镜类星体（SL-QSO）为宇宙学和天体物理现象提供了宝贵的见解。利用正在进行和下一代巡天的数据，预计可以发现数千个 SL-QSO 系统，从而带来前所未有的机遇。然而，挑战在于如何以高召回率和高纯度，自动且高效地从海量数据集中识别出 SL-QSO。因此，我们开发了一个基于卷积神经网络（CNN）的程序，用于从大规模巡天数据中寻找 SL-QSO，并将其应用于千度巡天数据发布第五版（KiDS DR5）。我们的方法包含三个关键阶段：首先，我们从数据集中预选了 1000 万个亮天体（ 波段 ），排除了恒星；其次，我们建立了真实的训练集和测试集来训练和微调 CNN，结果识别出 4195 个机器候选体，使用包含 16 个已确认透镜类星体的真实测试集评估，假阳性率（FPR）约为 1/2000，召回率为 0.8125；第三，通过人工检查进行进一步筛选，最终总共发现了 272 个 SL-QSO 候选体，分别包括 16 个高分、118 个中分和 138 个低分候选体。移除已在其他论文中确认或识别的系统后，我们最终得到 229 个 SL-QSO 候选体，包括 7 个高分、95 个中分和 127 个低分候选体，相应的星表已在线公开。我们还在附录中收录了一个在 CNN 微调过程中偶然发现的优秀四重像候选体。
引用
@article{arxiv.2409.17471,
title = {Using Convolutional Neural Networks to Search for Strongly Lensed Quasars in KiDS DR5},
author = {Zizhao He and Rui Li and Yiping Shu and Crescenzo Tortora and Xinzhong Er and Raoul Canameras and Stefan Schuldt and Nicola R. Napolitano and Bharath Chowdhary N and Qihang Chen and Nan Li and Haicheng Feng and Limeng Deng and Guoliang Li and L. V. E. Koopmans and Andrej Dvornik},
journal= {arXiv preprint arXiv:2409.17471},
year = {2025}
}
备注
12 Figures, 4 Tables, accepted by ApJ. Comments Welcome!