MMAug, 2013

第三届重力透镜准确性测试 (GREAT3) 大赛手册

PDF
TL;DRGREAT3 挑战是一项测试和促进用于测量弱引力透镜的天文图像分析方法发展的任务，并针对天文、机器学习和统计社区进行测试。挑战包括多个明确限制的测试，其中包括基于高分辨率成像的实际复杂星系模型、具有空间变化的受物理激励的模糊核以及多个不同曝光的组合，以提供诊断工具。
gravitational lensing accuracy testing 3weak gravitational lensingastronomical imagesgalaxy shape distortionsblurring kernel
发现论文，激发创造
  • 2010 年重力透镜精度测试（GREAT10）挑战手册

    GRavitational lEnsing Accuracy Testing 2010 (GREAT10) 旨在通过图像分析挑战来开发算法以分析天文图像。具体来说，该挑战旨在在可变磨砂玻璃核，像素化和噪声的情况下测量变化的图像失真。GREAT10 扩展了先前工作，并引入了可变字段来增强挑战。其中包括精确测量星系形状失真的 “Galaxy Challenge”，以及关于重构与典型天文观测中的磨砂玻璃核类似的可变卷积核的 “Star Challenge”。

    Sep, 2010

  • 强引力透镜发现挑战

    通过大规模成像调查，使用自动化方法识别出强引力透镜，其中包括使用卷积神经网络等各种方法，得到的结果表明，这些方法识别率很高，远优于直接人工识别。

    Feb, 2018

  • DeepGraviLens: 一个用于分类引力透镜数据的多模型架构

    本文介绍了 DeepGraviLens，这是一个新颖的多模态网络，通过检测与亮度变化时间序列相关的图像数据，并分类属于一个非成像系统类型和三个透镜系统类型的空间时间数据，改进了当前成像数据分析的准确性，为未来的天体物理学研究奠定了基础。

    May, 2022

  • 引力透镜

    重力透镜的理论和应用进行了总结，并讨论了其在星球、星系、星团和大尺度结构上的作用。

    Oct, 2010

  • 弱引力透镜及其宇宙学应用

    该综述论文讨论了弱引力透镜测量的方法，它能够提供有关宇宙暗物质和暗能量分布的直接地图，包括星系、星团和宇宙尺度。此外，该文还讨论了一些可能影响测量结果的系统性效应及其克服方法，并探讨了计划调查中弱引力透镜测量的前景与应用。

    May, 2008

  • GIGA-Lens: 强引力透镜建模的快速贝叶斯推断

    本文介绍了一种名为 GIGA Lens 的基于梯度信息、GPU 加速的 Bayesian 模型，利用 TensorFlow 和 JAX 实现。通过模拟实验证明了该框架具有高性能、鲁棒性和可扩展性，可以用来对当前调查中发现的大量强镜进行建模，非常有前景。

    Feb, 2022

  • 引力透镜类星体的数据挖掘

    本文介绍了一种基于机器学习技术的搜索重力透镜效应引起的类星体的方法，该方法结合了目录级别信息和像素级别模式识别算法，可使目标 / 候选对象的选择纯度提高到 70％，完整性为 60％

    Oct, 2014

  • 用卷积神经网络处理噪声数据进行弱引力透镜宇宙学

    利用卷积神经网络能够从弱引力透镜生成的汇聚度图中提取信息，比功率谱方法能够更加严格地约束宇宙学参数而且能够提取弱引力透镜地图中的非高斯信息。

    Feb, 2019

  • 利用 Las Cumbres Observatory 对引力波事件进行光学跟踪

    利用 Las Cumbres Observatory 观测局全球望远镜网络，我们使用 Galaxy List for the Advanced Detector Era (GLADE) 银河目录，通过优先选择亮度高、位置和距离适当、最可能发现伴随现象的星系，以实现对引力波遵循的恒星的跟踪。该算法适用于任何预期的伴随现象和望远镜，并且我们在第二次高级探测器观测运行期间成功地跟踪了黑洞合并事件 GW170814 和中子星合并事件 GW170817，并通过我们的算法第 5 次识别了光学 kilonova/macronova 相对应物。

    Oct, 2017

  • 基组法引导的引力透镜建模

    本文提出基于万能基组的强透镜建模方法，使用高性能蒙特卡罗算法，桥接参数化与像素化重建方法的差距，可发现镜中和源面的亚结构，跨度范围宽，为大规模强透镜天体观测提供了新方法。

    Apr, 2015