Radio U-Net: a convolutional neural network to detect diffuse radio sources in galaxy clusters and beyond

要約

次の世代の電波望遠鏡アレイでは、感度と分解能が大幅に向上し、多くの新しい微弱電波源や拡散電波源の識別と特性評価が可能になることが期待されています。
従来の手動カタログ作成方法では、新しい無線調査の機能を活用するには不十分であることが予想されます。
拡散源の無線干渉画像は、ノイズ、アーティファクト、埋め込まれた無線源により、画像セグメンテーション タスクに課題をもたらします。
これらの課題に対応するために、U-Net アーキテクチャに基づく完全畳み込みニューラル ネットワークである Radio U-Net を導入します。
Radio U-Net は、電波調査において、電波ハロー、遺物、宇宙の網のフィラメントなどの微弱かつ広範囲の音源を検出するように設計されています。
Radio U-Net は、宇宙論的シミュレーションに基づいて構築された合成電波観測でトレーニングされ、その後、銀河団のサンプルでテストされました。銀河団拡散電波源の検出は、カスタマイズされたデータ削減と LOFAR Two Meter Sky Survey (LoTSS) データの目視検査に依存していました。
。
拡散電波放射を示すクラスターの 83% が正確に識別され、セグメンテーションにより低品質の画像であってもソースの形態を復元することに成功しました。
246 個の銀河団からなるテストサンプルでは、​​拡散電波放射のある銀河団とない銀河団を区別する精度 73% を達成しました。
私たちの結果は、Radio U-Net が広範な無線調査データセットに適用できることを証明し、最先端の高性能コンピューティング システムにおけるその効率性を調査しています。
このアプローチは、今後行われる科学的探査のための大規模な無線調査の活用を最適化する上での進歩を表しています。

要約(オリジナル)

The forthcoming generation of radio telescope arrays promises significant advancements in sensitivity and resolution, enabling the identification and characterization of many new faint and diffuse radio sources. Conventional manual cataloging methodologies are anticipated to be insufficient to exploit the capabilities of new radio surveys. Radio interferometric images of diffuse sources present a challenge for image segmentation tasks due to noise, artifacts, and embedded radio sources. In response to these challenges, we introduce Radio U-Net, a fully convolutional neural network based on the U-Net architecture. Radio U-Net is designed to detect faint and extended sources in radio surveys, such as radio halos, relics, and cosmic web filaments. Radio U-Net was trained on synthetic radio observations built upon cosmological simulations and then tested on a sample of galaxy clusters, where the detection of cluster diffuse radio sources relied on customized data reduction and visual inspection of LOFAR Two Metre Sky Survey (LoTSS) data. The 83% of clusters exhibiting diffuse radio emission were accurately identified, and the segmentation successfully recovered the morphology of the sources even in low-quality images. In a test sample comprising 246 galaxy clusters, we achieved a 73% accuracy rate in distinguishing between clusters with and without diffuse radio emission. Our results establish the applicability of Radio U-Net to extensive radio survey datasets, probing its efficiency on cutting-edge high-performance computing systems. This approach represents an advancement in optimizing the exploitation of forthcoming large radio surveys for scientific exploration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google