Jun, 2019

DESI DECam Legacy Survey 中强引力透镜的发现

PDF
TL;DR本文使用神经网络在 DECaLS 图像中鉴定出 335 个强引力透镜系统作为候选物体。
strong gravitational lensing systemsdecalsphotometric surveysneural networkcandidate identification
发现论文，激发创造
  • 利用卷积神经网络在暗能量调查中搜索强透镜系统

    使用卷积神经网络从第一批 Dark Energy Survey（DES）数据中筛选出强引力透镜系统的候选物，包括 405 个透镜候选物和 539 个可用于训练 CNNs 的环状星系候选物，并构建自动化建模管道来对 52 个有单个偏转器的系统进行建模。

    Aug, 2021

  • 即将进行的光学成像调查中星系强镜体的数量

    该研究预测了未来的成像调查将找到多少宇宙强镜，并模拟了它们的特性，发现你使用蓝减红成像方案可以找到更多强镜，但这仍存在不确定性。

    Jul, 2015

  • CSST 强引力透镜准备：中国空间天文台（CSST）多色成像调查中强引力透镜的检测框架

    基于视觉 Transformer 和滑动窗口技术的层次化框架，我们提出了一种针对整个图像中的强引力透镜系统的搜索方法，可以有效地发现多波段图像中的强引力透镜系统，并且在真实观测和模拟数据中得到了较高的精度和召回率。

    Apr, 2024

  • 暗能量调查：不仅仅是暗能量 —— 概述

    介绍了利用宽视场相机在智利的 Blanco 望远镜上进行的暗能量调查 (DES) 的前景和发现潜力，进一步探讨了它在天体物理学上的重要性，并利用 DES 的早期数据从行星系、银河系、星系演化、类星体和其他方面进行了探索。

    Jan, 2016

  • 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

  • 当谱建模遇上卷积网络：一种在多波段成像数据中发现复合再电离时代透镜类星体的方法

    本研究通过引入新的空间几何排除标准和扩大允许的光谱参数空间，并利用基于图像的深度学习方法进行实现，对重新电离时期的透镜星系进行了系统搜索，利用光谱能量分布的预选和卷积神经网络相对概率的计算方法，相结合，发现了 36 个新的透镜候选者。

    Nov, 2022

  • DESI 遗产成像调查概述

    该论文概述了 DESI 遗产成像调查项目，该项目使用光学成像和概率推断方法构建星系目录，并计划每年推出两次公共数据发布。

    Apr, 2018

  • 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

  • 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

  • 用卷积神经网络快速自动分析强引力透镜

    本文报道了使用深度卷积神经网络在非常快速且自动化的方式下准确估计透镜参数的方法，不需要使用最大似然方法，而且可以提供一种非专家获取大量数据的透镜参数估计的方法。

    Aug, 2017