Расширенный каталог объектов Сюняева-Зельдовича по данным спутника PLANCK с использованием глубокого обучения
Мещеряков Александр Валерьевич
Институт космических исследований РАН
Выступление на HEA-2022
Письма в Астрономический Журнал, 2022, том 48, No 9, с. 603–621
Авторы: А.Мещеряков, А.Немешаева, Р.Буренин, М.Гильфанов, Р.Сюняев
В работе представлен расширенный каталог источников Сюняева-Зельдовича (СЗ) по данным спутника PLANCK, основанный на соединении выборок, полученных двумя независимыми подходами к детектированию объектов в микроволновых данных: сегментация источников моделью глубокого обучения (семейства U-Net) на картах интенсивности в HFI-каналах 100-850 GHz дополнена поиском СЗ-источников на готовых картах комптоновского $y$-параметра (NILC). Путем сравнения полученной выборки СЗ-объектов PLANCK c наиболее полными каталогами скоплений галактик полученных по микроволновым (PSZ2, ACT) и рентгеновским (СРГ/еРОЗИТА предварительный каталог скоплений 1 года на восточном галактическом небе; MCXC по наблюдениям спутника ROSAT) обзорам неба, мы проанализировали функцию отбора скоплений галактик от массы ($M_{500}$), красного смещения ($z$) и рентгеновского потока ($F_{X,0.5-2}$). Мы видим два сценария использования полученных нами расширенных каталогов СЗ-источников по данным PLANCK: (а) выборка только надежных СЗ-объектов из каталога кандидатов может использоваться непосредственно, например для поиска в ней уникальных объектов или исследования популяции скоплений, (б) весь каталог СЗ-объектов содержит значительное число ложных источников, но при этом располагает практически всеми возможными детектированными скоплениями галактик в данных PLANCK (он может использоваться совместно с другими каталогами кандидатов в скопления галактик, полученных независимо на данных в других диапазонах или другими инструментами).
Другие доклады автора
2024Машинное обучение и СРГ/еРОЗИТА: результаты и перспективы уточнения photo-z рентгеновских квазаров
2023Применение машинного обучения для определения физических характеристик рентгеновских источников: результаты для СРГ/еРОЗИТА
2021Фотометрическая классификация и измерения красных смещений рентгеновских источников СРГ/еРозита при помощи машинного обучения
2020Отождествления, классификация и измерение красных смещений рентгеновских источников при помощи системы SRGz
2019SRGz: probabilistic photo-z measurements for X-ray sources in the SRG surveys
2018Измерение вероятностных фотометрических красных смещений рентгеновских источников методами машинного обучения
2018Применение алгоритмов глубокого обучения для автоматической морфологической классификации галактик
2016Распределенная обработка больших массивов изображений небесных обзоров при помощи Apache Spark
2016Распределенный метод сопоставления астрономических каталогов на платформе Apache Spark
2016Анализ больших массивов астрономических данных в облаке
2016Измерение фотометрических красных смещений галактик скоплений галактик и квазаров по данным обзоров SDSS и WISE
2015Измерение красных смещений скоплений галактик z<0.45 с высокой точностью по фотометрическим данным SDSS
2014Классификация звезда-галактика-АЯГ и измерение красного смещения до объектов в полях точечных рентгеновских источников каталога 400d