MMApr, 2024

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

PDF
TL;DR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。
strong gravitational lensingdark matterdark energymachine learning algorithmsmulti-color images
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

  • DESI DECam Legacy Survey 中强引力透镜的发现

    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。

    Jun, 2019

  • 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

  • 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

  • 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

  • 星系的强引力透镜效应

    本文综述了大规模强引力透镜成像数据的建模技术与应用，包括研究椭圆星系的质量结构、形成和演化，限制恒星初始质量函数，以及测量宇宙学参数等方面，并讨论了当前数据和方法的局限性以及未来的发展前景。

    Oct, 2022

  • 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

  • 基于深度学习的 CSST 天体分类研究

    利用深度学习方法研究中国空间站天文望远镜（CSST）的星系和星云 / 星团（NSC）图像识别，构建了本地天体图像数据集并设计了一种名为 HR-CelestialNet 的深度学习模型，其在测试集上达到了 89.09% 的准确率，并且在速度上表现出色，具有鲁棒性并能够实现 CSST 巡天任务期间的实时识别。

    Dec, 2023

  • HSC-SSP 调查中引力透镜天体的调查：SuGOHI。V. 从星团到星系团尺度的透镜搜索

    本文报道了我们发现的最大的阶段强引力透镜样本，其中包括了超越了 HSC-SSP Survey 数据中心，跨越 $0.05<z_{cl}<1.38$ 聚类红移范围的大量聚类列表。我们发现了 641 个候选透镜系统，其中 47 个几乎可以肯定是合法的透镜，181 个高度可能是透镜，413 个可能是透镜系统。此外，我们还报道了 131 个与观察偶然相遇时发现的透镜。我们利用 X-shooter 进行了 10 个候选系统的光谱学跟踪。通过这项跟踪，我们确认了 8 个系统是强引力透镜。

    Feb, 2020

  • 使用连续神经场进行强引力透镜源重建

    研究使用神经网络在高分辨率镜像数据上模拟暗物质、远距离星系光学扭曲等，以解答宇宙学中的一些大问题。

    Jun, 2022