Jun, 2019

KiDS-SQuaD II：筛选明亮的星系外物体以搜索新的引力透镜类星体的机器学习

PDF
TL;DR本文介绍了一种新的基于机器学习的自动分类方法，旨在找到尽可能多的重力透镜类星体，保持目录尽可能完整性，同时最小化恒星污染。通过对 KiDS 数据的分类与筛选，我们建立并公开了 KiDS Bright EXtraGalactic Objects catalog， 并挑选出 12 个最可靠的重力透镜类星体候选者，展示它们在目录中的潜力。
gravitational lensingquasar detectionmachine learningcataloguestellar contamination
发现论文，激发创造
  • 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

  • Gaia 数据发布 2 中 22 个新引力透镜类星体

    报告发现和光谱证实了 22 个新的引力透镜类星体，使用了 Gaia 数据来选择候选样本，并使用了多种技术进行模拟和分析。

    Oct, 2018

  • Gaia 中引力透镜类星体 II：发现 24 个透镜类星体

    使用 Gaia 观测发现、光谱确认和初步表征了 24 个引力透镜类星体，其中包括四重成像的系统和一个双重系统中的 Einstein 环，可以通过使用类似 WISE 颜色的类星体或 SDSS 光度量红移的方法在 Pan-STARRS 足迹中选择候选物体，要求在 Gaia 中有多重探测或在形态上靠近星系中有单个 Gaia 探测。

    Mar, 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

  • 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

  • Sloan 数字天空巡天类星体透镜搜索。第五篇来自第七轮数据发布的最终目录

    该研究报告介绍了 Sloan 数字天文台的引力透镜样本，包括 26 个明亮的引力透镜类星体和 81 对类星体，该样本覆盖了各种图像分离程度、红移和亮度，并具有进行宇宙学参数和星系和类星体结构和演变的系统研究的适用性。

    Mar, 2012

  • 采用从错误中学习的线性支持向量机进行类星体检测

    本文探讨了使用线性支持向量机技术检测类星体的方法，并结合集成装袋树技术，在考虑分类不平衡和错误成本的基础上对其性能进行了评估，取得了 False Negative Rate 的 10 倍降低。

    Oct, 2020

  • 未来广域光学测量中的重力透镜类星体和超新星

    未来 10 年规律的光学成像调查应该能探测到大量的时间变化的星系级强引力透镜，检测到 8000 多个透镜成像类星体，其中 3000 个将具有良好测量的时间延迟，以及约 130 个透镜成像的超新星；此外，我们通过计算，预测了该领域的发展，包括 “时滞距离实验” 在精度上可达到的水平，同时也发现随着对透镜质量分布知识的降低，暗能量的优化因子将会降低。

    Jan, 2010

  • LSST 巡天中的引力透镜类星体模拟目录

    本研究基于最新的类星体亮度函数测量值建立了一个模拟目录，用于模拟 Rubin Observatory Legacy Survey of Space and Time 期间的引力透镜类星体的发现，并呈现了类星体与防御者星系的模拟图像以及可能的搜查策略。

    Jan, 2022

  • 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