深層学習によるデジタル天体乾板の測光校正精度向上

デジタル化された天体写真乾板の測光校正において、等級・色・位置の不均一な相互依存性を補正する深層学習モデル「MFF-Net」を提案した。1,200枚の乾板による評価で従来手法を上回り、測光精度を向上させ、歴史的な乾板アーカイブの信頼性を高めた。

• 写真乾板校正において画質の不均一性が生む結合空間系統誤差の課題に対処した。
• 等級・色・画素座標から統合的な補正量を学習するMFF-Netを開発した。
• 1,200枚の乾板データで評価し、測光精度を0.08〜0.18 magへと大幅に向上させた。
• 明るい天体で約2倍の精度改善を示し、過去の天体乾板データの利用価値を高めた。

原文タイトル: Towards optimal photometric calibration of digital astronomical plates with deep learning

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。