深層学習によるDAGN候補の効率的な識別

深層学習を用いて大規模サーベイからデュアル活動銀河核候補を抽出し、偶然重なりによる汚染を低減した。

• 銀河合体の鍵となるデュアル活動銀河核の探索は、前景星等の偶然重なりにより困難であった。
• YOLOv11の指向性バウンディングボックスを用いた深層学習フレームワークを開発した。
• 検証において高精度を達成し、約1.4万から1.8万の妥当な候補システムを導出した。
• 深層学習の活用により、汚染物質を大幅に削減してDAGN候補のカタログを拡充した。

原文タイトル: Decoupling candidate dual AGN from chance superpositions in the GOTHIC survey via a deep-learning framework

arXiv で原文を見る

この要約は AI が生成したものであり、arXiv および論文著者の見解ではありません。