ULISSE: A Tool for One-shot Sky Exploration and its Application to Active Galactic Nuclei Detection

要約

現代の天空調査では、これまで以上に大量の観測データが生成されているため、オブジェクトの分類と分析に従来のアプローチを適用することは困難で時間がかかります。
ただし、この問題は、自動機械学習およびディープ ラーニング手法の適用によって大幅に軽減される可能性があります。
ULISSE は、単一のプロトタイプ オブジェクトから開始して、同じ形態学的特性と測光特性を共有するオブジェクトを識別できるため、ソシア候補のリストを作成できる新しいディープ ラーニング ツールです。
この作業では、Sloan Digital Sky Survey 銀河サンプルの AGN 候補の検出にこの方法を適用することに焦点を当てています。これは、光学バンドでの活動銀河核 (AGN) の識別と分類が、銀河外天文学において依然として困難な課題であるためです。
ULISSE は、大規模な天空調査の最初の調査を目的としており、ImageNet データセットから抽出された特徴を直接使用して類似検索を実行します。
この方法は、時間のかかるニューラル ネットワークのトレーニングを必要とせずに、特定のプロトタイプの 1 つの画像のみから開始して、候補のリストを迅速に識別することができます。
私たちの実験では、ULISSE がホスト銀河の形態、色、中心核源の存在の組み合わせに基づいて AGN 候補を特定できることが示されています。
ここで、ランダム推測ベースラインは 12% です。
ULISSE は、渦巻型または後期型の特性を持つプロトタイプとは対照的に、初期型のホスト銀河で AGN を取得するのに最も効果的であることがわかりました。
この作業で説明されている結果に基づいて、ULISSE は、毎晩何百万ものソースを対象とする現在および将来の広域調査 (Euclid、LSST など) でさまざまな種類の天体物理オブジェクトを選択するための有望なツールになる可能性があります。

要約(オリジナル)

Modern sky surveys are producing ever larger amounts of observational data, which makes the application of classical approaches for the classification and analysis of objects challenging and time-consuming. However, this issue may be significantly mitigated by the application of automatic machine and deep learning methods. We propose ULISSE, a new deep learning tool that, starting from a single prototype object, is capable of identifying objects sharing the same morphological and photometric properties, and hence of creating a list of candidate sosia. In this work, we focus on applying our method to the detection of AGN candidates in a Sloan Digital Sky Survey galaxy sample, since the identification and classification of Active Galactic Nuclei (AGN) in the optical band still remains a challenging task in extragalactic astronomy. Intended for the initial exploration of large sky surveys, ULISSE directly uses features extracted from the ImageNet dataset to perform a similarity search. The method is capable of rapidly identifying a list of candidates, starting from only a single image of a given prototype, without the need for any time-consuming neural network training. Our experiments show ULISSE is able to identify AGN candidates based on a combination of host galaxy morphology, color and the presence of a central nuclear source, with a retrieval efficiency ranging from 21% to 65% (including composite sources) depending on the prototype, where the random guess baseline is 12%. We find ULISSE to be most effective in retrieving AGN in early-type host galaxies, as opposed to prototypes with spiral- or late-type properties. Based on the results described in this work, ULISSE can be a promising tool for selecting different types of astrophysical objects in current and future wide-field surveys (e.g. Euclid, LSST etc.) that target millions of sources every single night.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google