中文

利用暗能量探索者与机器学习增强霍比-埃伯利望远镜暗能量实验

天体物理仪器与方法 2023-06-28 v1 宇宙学与河外天体物理 星系天体物理 空间物理

摘要

我们展示了一项利用公民科学活动来改进霍比-埃伯利望远镜暗能量实验(HETDEX)宇宙学测量的分析。HETDEX的目标是在 z=z = 2.4 处测量哈勃膨胀率 H(z)H(z) 和角直径距离 DA(z)D_A(z),精度均达百分之一水平。该精度主要由探测到的莱曼-α\alpha 发射体(LAE)总数、由噪声导致的假阳性率以及由[O II]发射星系造成的污染决定。本文介绍公民科学项目“暗能量探索者”(Dark Energy Explorers),旨在增加LAE数量、降低由噪声和[O II]星系导致的假阳性数。初步分析表明,公民科学是一种高效且有效的分类工具,尤其适合人眼最准确完成的任务,特别是与无监督机器学习结合时。公民科学活动中影响最大的三个方面是:1)识别探测中的个别问题,2)在信噪比截断之上提供100%视觉识别的干净样本,3)为机器学习工作提供标签。自2022年底以来,暗能量探索者已收集来自全球85多个国家11000名志愿者的逾三百五十万次分类。通过纳入暗能量探索者的结果,我们期望将 z=z = 2.4 处 DA(z)D_A(z)H(z)H(z) 参数的精度提高10–30%。虽然主要目标是改进HETDEX,暗能量探索者已被证明是推进科学并提升全球科学可及性的独特有力工具。

关键词

引用

@article{arxiv.2304.07348,
  title  = {Using Dark Energy Explorers and Machine Learning to Enhance the Hobby-Eberly Telescope Dark Energy Experiment},
  author = {Lindsay R. House and Karl Gebhardt and Keely Finkelstein and Erin Mentuch Cooper and Dustin Davis and Robin Ciardullo and Daniel J Farrow and Steven L. Finkelstein and Caryl Gronwall and Donghui Jeong and L. Clifton Johnson and Chenxu Liu and Benjamin P. Thomas and Gregory Zeimann},
  journal= {arXiv preprint arXiv:2304.07348},
  year   = {2023}
}

备注

14 pages, 6 figures, accepted for publication in The Astrophysical Journal