Как Skycurtains находит галактическую иглу в данных сена данных
18 июня 2025 г.Таблица ссылок
Аннотация и 1. Введение
2. Набор данных
3. Метод Skycurtains и 3.1 Countainsf4f
3.2. Обнаружение линии
4. Результаты
4.1. Метрики
4.2. Полное сканирование потока GD-1
5. Заключение, подтверждение, доступность данных и ссылки
Приложение A: Drainainsf4f обучение и сведения о настройке гиперпараметра
А1. Countainsf4f имеет предварительную обработку
A2 Настройка гиперпараметра
4 Результаты
Стадия штурмана была обучена на графических процессорах NVIDIA® RTX 3080, а этапа Hough была запускается на одном сердечнике процессора. Стадия Thecurtainsf4f заняла 4 часа на патч, что составило в общей сложности 80 часов графического процессора. Стадия Chounainsf4f состоит из обучения базы и верхнего потока. Как базовый, так и верхний поток занял ± 2 часа, чтобы тренироваться. Линейная подгонка заняла около минуты на патч и была незначительной доли от общей вычислительной стоимости.
Наиболее важным шагом в методе Skycurtains является генерация фонового обогащенного шаблона в области сигнала. На рисунке 6 мы показываем маргиналы и корреляции функций в боковых полосах и области сигнала на левой панели. Особенности тесно коррелируют с правильным движением, которое будет смещать классификатор на шаге CWOLA для получения ложных срабатываний в области сигнала даже в отсутствие потока. На правой панели мы показываем маргиналы и корреляции функций в сгенерированном шаблоне с помощью curtainsf4f в том же патче. Сгенерированный шаблон использует корреляцию функций с правильным движением для построения фонового обогащенного шаблона в области сигнала. Это допускает более репрезентативный шаблон фона в области сигнала и уменьшает ложные срабатывания в поиске звездных потоков. С помощью сгенерированного шаблона мы можем теперь обучить классификатор на шаге CWOLA, чтобы пометить звезды в области сигнала.
4.1 Метрики
Теперь мы демонстрируем эффективность метода Skycurtains на данных GDR2. Чтобы количественно оценить потенциал обнаружения метода Skycurtains, мы измеряем кривую характеристик улучшения значимости (sic) для потока GD-1. На рисунке 7 мы показываем кривую SIC как функцию эффективности сигнала для потока GD-1 в одном из 21 пятна. Этот показатель определяется как отношение эффективности сигнала к квадратному корню из фоновой эффективности и по существу количественно определяет улучшение значения обнаружения сигнала из метода. Skycurtains достигает максимального улучшения значимости ∼ 10 при эффективности сигнала 50%. Хотя прямое сравнение с VIA Machinae сложно из -за того, что для анализа используется различный SR, можно рассматривать максимальное значение SIC как эвристического показателя, которая сопоставима для обоих методов.
Мы отслеживаем два других метрик для количественной оценки эффективности Skycurtains: чистота 𝑝: доля кандидатов.
звезды, которые перекрываются с PWB18, определили членов потока GD-1; и эффективность сигнала, 𝜖𝑆, которая представляет собой долю членов потока GD-1, которые были помечены как кандидаты с помощью шага Curtainsf4f. На рисунке 5 (справа) показаны кандидаты с стадии штурмана в пространстве 𝜙-𝜆, которое соответствует потоку GD-1 с 𝑝 = 75% и 𝜖𝑆 = 36,82%. Мы отмечаем, что это также предсказывает несколько звезд, которые не образуют линию, похожую на структуру в пространстве 𝜙-𝜆. Это ожидается, так как этот этап предназначен для помещения любой чрезмерной плотности в пространстве объектов как потенциальный кандидат в сигнал. Чтобы отфильтровать линию, например, чрезмерные интенсивности, мы выполняем преобразование Hough на выводе шага Courtainsf4f. После применения фильтра Hough чистота улучшается до 91,79%, хотя и за счет слегка сниженной эффективности сигнала 34,3%.
4.2 Полное сканирование потока GD-1
В таблице 1 показана производительность метода Skycurtains в 21 патчах, которые содержат поток GD-1. Мы цитируем чистоту 𝑝 после применения фильтра Hough для каждого патча. Skycurtains способен идентифицировать членов потока GD-1 с высокой чистотой в большинстве пятен и значительно улучшает производительность по сравнению с автономной Cwola. В таблице 2 мы сообщаем об общей сумме PWB18, выявленных членов потока GD-1 и кандидатов на Skycurtains (после фильтра Hough) в патчах. Комбинированный результат показан на рисунке 8.
Skycurtains имеет очень низкую чистоту в 5 из 21 пятна неба, где присутствует поток GD-1. При более тщательном осмотре мы обнаруживаем, что в патчах (𝛼, 𝛿) = [(203,7 ◦, 49,1 ◦), (212,7 ◦, 55,2 ◦), (224,7 ◦, 60,6 °), (202,4 ◦, 66,5 °)], члены потока GD-1 пик при очень низком правильном движении (𝜇𝜆). Это приводит к SR, в котором преобладают отдаленные звезды, и чувствительность шага Shartainsf4f к фактическим звездам потока уменьшается. Эти патчи соответствуют 𝜙1 ⩾10◦ в выровненных координатах GD-1, что объясняет низкий выход метода Skycurtains справа от потока на рисунке 8. Skycurtains также имеет низкую чистоту в патче, центрированном при (𝛼, 𝛿) = (138,1 ◦, 5,7 ◦). Низкая чистота потока GD-1 в этом патче, вероятно, связана с чрезвычайно
Низкое отношение сигнала к фону в соответствующем SR. На рисунке 9 мы показываем чистоту потока GD-1 как функцию отношения сигнала PWB18 и фоновых. Мы обнаруживаем, что чистота имеет резкое падение до нуля, когда соотношение сигнала к фону составляет около 0,01%. Патч (𝛼, 𝛿) = (138,1 ◦, 5,7 ◦) имеет отношение сигнала к фону 0,01%, которое является самым низким в 21 патчах. Этот патч соответствует −80◦ ⩽ 𝜙1 ⩽ -60◦ в выравнивании координат GD-1 и объясняет низкий выход метода Skycurtains слева от потока на рисунке 8. Эти пятна (отмечены красными), являются пластырями, где элементы потока GD-1 пик при очень низком правильном движении (𝜇𝜆), а чувствительность к оболочке STICTINESINEDINESINESINESINEDINGINESINESINESINESINESINESINESINESINESINEDINGINESINSINESINESINESINEDINGINESINEDINGINESINEDINGINESINSINESF4 Этот патч соответствует −80◦ ⩽ 𝜙1 ⩽ -60◦ в выравнивании координат GD-1 и объясняет низкий выход метода Skycurtains слева от потока на рисунке 8.
Крайне важно отметить, что метод Skycurtains предполагает очень мало астрофизической информации о потоке, что позволяет ему быть агностическим для свойств потока. Единственная информация, используемая в методе, - это правильное движение, которое используется для определения SR и SB
регионы. Для идентификации потока достоверные сокращения на 𝐺BP -RP и 𝐺 (в потоках нет требований, чтобы лежать на изохроне). Это находится в паритете с примененными в (Pettee et al. 2023; Shih et al. 2021). Skycurtaines Flags 753 уникальных звезд в качестве потенциальных членов потока GD-1, из которых 568 также идентифицированы с помощью PWB18, тем самым достигая общей чистоты потока GD-1 75,4%. Это превосходит автономный метод CWOLA, который имеет чистоту 56%, и через Machinae 1.0, который имеет чистоту 49%. Skycurtains также превосходит через Machinae 2.0, который имеет чистоту 65%, несмотря на то, что последний использует дополнительные показатели и выполняет дополненное сканирование по правильным движениям. В нашем фирванном регионе идентифицировали 1498 PWB18, которые дают нам глобальную эффективность сигнала 37,9%. Кроме того, важным результатом метода Skycurtains является то, что он не дает никаких ложных потоков в 21 патчах, которые были отсканированы. Это может быть связано с очень строгими критериями выбора, применяемыми на стадии метода Cownainsf4f, предназначенных для уменьшения ложных срабатываний.
Из оставшихся 185 звезд некоторые могут быть новыми не обнаруженными членами потока GD-1. На рисунке 10 показан график изохрона для элементов потока GD-1, идентифицированных PWB18, с дополнительными кандидатами на Skycurtains наложены. Существует значительное совпадение между этими 185 звездами и маркированными членами PWB18, что говорит о том, что метод Skycurtains способен идентифицировать некоторые члены потока GD-1, которые могли быть пропущены PWB18. Есть также несколько звезд, которые не являются частью изохрона потока GD-1 и, вероятно, будут ложными положительными.
Несмотря на отсутствие предшествующей астрофизической информации, метод Skycurtains способен восстановить хорошо известные возмущения плотности в потоке GD-1. В потоковом потоке GD-1 выровненные координаты (𝜙1, 𝜙2) (Koposov et al. 2010), показанные на рисунке 8, мы видим, что Skycurtains восстанавливают «пробелы» при 𝜙1 ≈ −40◦ и 𝜙1 ≈ −20◦, а также «выфут» или «Spur» At 𝜙1 ≈ −35◦, который известен GD-1. Кроме того, прогнозы Skycurtains областей чрезмерной плотности при 𝜙1 ≈ −50◦ и 𝜙1 ≈ −10◦ находятся в хорошем согласии с членами PWB18. Области низкого урожая при 𝜙1 ⩾10◦ и −80◦ ⩽ 𝜙1 ⩽ -60◦ связаны с причинами, обсуждаемыми выше. Область 𝜙1 ⩽ -80◦ соответствует пятнам, которые исключены из анализа из -за их близости к галактическому диску.
Авторы:
(1) Debajyoti Sengupta, Département de Physique Nucléaire et Corpusculaire, Женевский университет, Швейцария (debajyoti.sengupta@unige.ch);
(2) Стивен Маллиган, департамент De Physique Nucléaire et Corpusculaire, Женевский университет, Швейцария;
(3) Дэвид Ши, NHETC, Департамент физики и астрономии, Рутгерс, Пискатауэй, Нью -Джерси 08854, США;
(4) Джон Эндрю Рейн, Département de Physique Nucléaire et Corpusculaire, Женевский университет, Швейцария;
(5) Тобиас Голлинг, Département de Physique Nucléaire et Corpusculaire, Женевский университет, Швейцария.
Эта статья есть
Оригинал