機械学習による電波源の大規模分類

機械学習パイプラインを活用して広域電波サーベイの電波源を活動銀河核と非AGNに効率的に分類し、大量の候補を特定することに成功した。

• 大規模電波サーベイにおける効率的な電波源の分類と特性評価の必要性が背景にある。
• 事前学習済みの多段階機械学習パイプラインを測光データに適用し分類や赤方偏移を導出した。
• AGNと非AGNのサンプル数を大幅に増加させ、フルサーベイでの膨大な検出を予測した。
• 多波長解析による機械学習の活用により、従来見落とされていた電波集団の検出が可能となった。

原文タイトル: Evolutionary Map of the Universe (EMU): Selection of active galactic nuclei and star-formation emission with machine-learning techniques

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。