SNAD研究网的帕特里克·阿洛 在这项工作中分析了三个ZTF油田的位置，有明显的异常候选
信用:玛丽亚普鲁辛斯卡亚(2020) SNAD团队，一个由来自俄国、法国和美国的研究人员组成的国际网络
S
，已经开发了一个管道，从天文测量的数据堆中寻找稀有和奇异的物体
鉴于天文数据集的规模不断扩大，即使我们的望远镜确实探测到了意想不到的有趣的天文现象，我们也不太可能在数百万甚至数十亿次观测中认出它们
解决方案在于自动工具，专门设计用于识别隐藏在数十亿次测量中的异常行为
这些工具中的一些已经存在并被使用，例如，在每天数百万次交易中识别欺诈信用卡活动
然而，由于天文学观测的复杂性，它们对科学数据的适应并不简单
SNAD团队已经工作了3年，致力于将这些解决方案应用于天文学领域
在他们的最后一次年会上，该小组集中精力研究亮度随时间变化的物体
该管道结合了机器学习算法的优势和来自人类专家的不可替代的知识来构建一个健壮的异常检测工具
本文描述了将该框架应用于兹维奇瞬态设备的第三次数据发布的结果
其三个阶段的过程包括光曲线上的特征提取(跟踪物体随时间的亮度)，使用几种机器学习算法搜索异常候选对象，以及由人类专家手动过滤候选对象
最后一个阶段还包括尽可能用其他望远镜进行观测
在这项研究中，使用了4种自动学习算法来标记277个用于人类研究的异常候选者——在初始数据集2
2500万件物品
该小组还开发了一个专门设计的网络界面，允许每个候选人与现有的天文星表立即可视化和交叉匹配
这是为了方便专家的工作，他们需要将异常候选者与任何其他关于正在调查的天空坐标的公开信息相关联
SNAD小组在ZTF·DR3的数据中发现的巴塞罗纳小行星对背景恒星的掩星
信用:瓦迪姆·克鲁辛斯基(2020) 在被机器视为异常的277个物体中，有188个(68%)由于非天体物理效应(包括ZTF图像减法管道造成的缺陷)而显示出异常特征，66个(24%)是以前已经编目的物体，23个(8%)是以前未知的物体
第一类包括一些有趣的好奇心和后两种科学兴趣
例如，一个被机器标记为异常的物体实际上是巴塞罗那小行星对背景恒星的掩星，从地球上的一名观测者的角度来看，这是一个可变点源，而实际上恒星和小行星实际上都没有改变亮度
作者还描述了干扰光曲线分析的重复出现的和奇异的图像相减伪影，并且可以欺骗异常检测管道，使其认为它是真实的、异常的物体
为了帮助从剩余的候选者中快速地分类出第一类，他们能够识别出一个简单的二维关系，该关系可以用来帮助在未来的研究中过滤潜在的伪光曲线
在第二类和第三类中，作者发现了四颗超新星候选物、六颗以前未分类的食双星、四颗前主序列候选物、一颗可能的红矮星耀斑，并从光谱上证实了一颗遥感星和其他异常候选物
从感兴趣的异常候选者中快速、轻松地分离出伪像对于当前和即将到来的下一代天文台至关重要，例如薇拉·鲁宾天文台遗留的空间和时间测量(LSST)
LSST每晚将产生大约1000万个瞬变源——需要复杂和强大的算法来筛选所有数据，这样就不会遗漏预期的和感兴趣的物体，科学家们也可以更好地理解这些太空怪事
第一作者康斯坦丁·马兰切夫，伊利诺伊大学香槟分校研究员
S
)和俄罗斯莫斯科罗蒙诺索夫天文台的斯特恩伯格天文研究所表示，“设计专门的工具来搜索天体物理学感兴趣的异常是我们确保充分利用我们辛辛苦苦获得的数据集的唯一选择
SNAD团队致力于帮助天文学界探索未来数据集的全部潜力
" 这篇文章已被英国皇家天文学会的月刊接受出版，也可以作为预印本公开发表
源代码和结果，包括具有潜在科学应用的物体的完整清单，以及管道技术，向公众开放，供天文学界使用和验证
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
