基于光谱选择利用深度残差网络搜寻星系–莱曼α发射体透镜候选体
星系天体物理
2018-10-12 v4
摘要
通过搜寻红移高于透镜星系的星系所发出的发射线，人们已发现上百个星系尺度的强引力透镜系统。基于这一光谱选择方法，我们引入深度残差网络（ResNet，一种深度卷积神经网络），通过识别中红移（z∼0.5）早型星系（ETG）光谱中来自高红移星系（2<z<3）的莱曼α发射线，来搜寻星系–莱曼α发射体（LAE）透镜候选体。ETG的光谱来自斯隆数字巡天III（SDSS-III）的重子振荡光谱巡天（BOSS）第十二次数据释放（DR12）。本文中，我们首先构建一个28层ResNet模型，然后人工合成150,000条训练光谱（含140,000条无莱曼α线和10,000条有莱曼α线）以训练网络。经过20个训练周期后，我们获得0.9954的近完美测试准确率，对应损失为0.0028，完备率为93.6%。最后我们将ResNet模型应用于含174个已知透镜候选体的预测数据，得到1232个命中，其中包括174个已知候选体中的161个（发现率92.5%）。除其他工作中发现的命中外，我们的ResNet模型还发现了536个新命中。随后我们对这536个新命中进行了若干后续筛选，给出了5个最可信的透镜候选体。
引用
@article{arxiv.1807.11678,
title = {Using deep Residual Networks to search for galaxy-Ly{\alpha} emitter lens candidates based on spectroscopic-selection},
author = {Rui Li and Yiping Shu and Jianlin Su and Haicheng Feng and Guobao Zhang and Jiancheng Wang and Hongtao Liu},
journal= {arXiv preprint arXiv:1807.11678},
year = {2018}
}
备注
9 pages, 7 figures, 1 table, Accepted by MNRAS