Via Machinae:利用无监督机器学习搜寻恒星流

David Shih; Matthew R. Buckley; Lina Necib; John Tamanas

doi:10.1093/mnras/stab3372

Via Machinae:利用无监督机器学习搜寻恒星流

星系天体物理 2021-12-30 v3 高能物理 - 唯象学数据分析、统计与概率

作者: David Shih , Matthew R. Buckley , Lina Necib , John Tamanas

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

我们开发了一种新的机器学习算法 Via Machinae,用于从 Gaia 望远镜数据中识别冷恒星流。Via Machinae 基于 ANODE——一种利用条件密度估计与边带插值以与模型无关方式探测数据中局部过密度的通用方法。通过将 ANODE 应用于 Gaia 观测恒星的位置、自行与测光,Via Machinae 获得一组最有可能属于某恒星流的恒星。我们进一步应用基于 Hough 变换的自动寻线方法在天空局部区域搜寻线状特征。本文中,我们详细描述 Via Machinae 算法并在著名恒星流 GD-1 上演示我们的方法。尽管算法的某些部分经过调优以提高对冷恒星流的灵敏度,但 Via Machinae 技术本身不依赖于天体物理假设,如银河系势或恒星等龄线。这种灵活性表明它可能在识别 Gaia 数据集中其他异常结构(例如碎片流与球状星团)方面有进一步应用。

关键词

恒星流无监督机器学习 Gaia ANODE Hough 变换冷恒星流 GD-1

引用

@article{arxiv.2104.12789,
  title  = {Via Machinae: Searching for Stellar Streams using Unsupervised Machine Learning},
  author = {David Shih and Matthew R. Buckley and Lina Necib and John Tamanas},
  journal= {arXiv preprint arXiv:2104.12789},
  year   = {2021}
}

备注

17 pages, 17 figures, v2: references added, minor corrections, v3: published version

Via Machinae:利用无监督机器学习搜寻恒星流

摘要

关键词

引用

备注

相关论文