银河系中的弱监督异常检测
星系天体物理
2024-12-11 v1 机器学习
高能物理 - 唯象学
数据分析、统计与概率
摘要
大规模天体物理数据集为新的机器学习技术提供了机会，以识别传统搜寻可能忽略的关注区域。为此，我们使用无标签分类（CWoLa，一种弱监督异常检测方法）来在 Gaia 卫星观测的超过十亿颗银河系恒星中识别冷恒星流。CWoLa 无需使用已标注的星流或天体物理原理知识。相反，我们训练一个分类器来区分信号与背景样本比例未知的混合样本。这一计算轻量策略能够检测到数据中的模拟星流以及已知星流 GD-1。该技原为高能对撞机物理设计，可能在天体物理及其他关注局部异常识别的领域具有广泛适用性。
引用
@article{arxiv.2305.03761,
title = {Weakly-Supervised Anomaly Detection in the Milky Way},
author = {Mariel Pettee and Sowmya Thanvantri and Benjamin Nachman and David Shih and Matthew R. Buckley and Jack H. Collins},
journal= {arXiv preprint arXiv:2305.03761},
year = {2024}
}