Photometry of Saturated Stars with Neural Networks

要約

全天超新星自動探査 (ASAS-SN) では、マルチレベル パーセプトロン (MLP) ニューラル ネットワークを使用して飽和星の測光を行っています。
MLP は、特に飽和 (g<11.5 等) 星の 0.12 等の分散 (中央値付近の 1 シグマ範囲 15% ～ 85%) と比較して、g~4 から 14 等の星に対してかなり偏りのない測光を得ることができます。 さらに重要なことは、不変の飽和星の光度曲線の中央分散はわずか 0.037 等であることです。 MLP の光度曲線は、多くの場合、標準の ASAS-SN パイプラインによって提供されるものよりも驚くほど優れています。 ネットワークは ASAS-SN の 20 台のカメラのうちの 1 台のみからの g バンド データでトレーニングされましたが、初期実験では、ネットワークを任意のカメラと古い ASAS-SN V バンド データにも使用できることが示唆されています。 主要な問題は、MLP 自体よりも、飽和星に対する ASAS-SN データ削減パイプラインの修正可能な問題に関連しているようです。 この方法は、ASAS-SN Sky Patrol v1.0 の光度曲線オプションとして公開されています。

要約(オリジナル)

We use a multilevel perceptron (MLP) neural network to obtain photometry of saturated stars in the All-Sky Automated Survey for Supernovae (ASAS-SN). The MLP can obtain fairly unbiased photometry for stars from g~4 to 14~mag, particularly compared to the dispersion (15%-85% 1sigma range around the median) of 0.12 mag for saturated (g<11.5 mag) stars. More importantly, the light curve of a non-variable saturated star has a median dispersion of only 0.037 mag. The MLP light curves are, in many cases, spectacularly better than those provided by the standard ASAS-SN pipelines. While the network was trained on g band data from only one of ASAS-SN's 20 cameras, initial experiments suggest that it can be used for any camera and the older ASAS-SN V band data as well. The dominant problems seem to be associated with correctable issues in the ASAS-SN data reduction pipeline for saturated stars more than the MLP itself. The method is publicly available as a light curve option on ASAS-SN Sky Patrol v1.0.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google