論文の概要: Atmospheric model-trained machine learning selection and classification of ultracool TY dwarfs

• arxiv url: http://arxiv.org/abs/2507.00957v1
• Date: Tue, 01 Jul 2025 17:06:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.743354
• Title: Atmospheric model-trained machine learning selection and classification of ultracool TY dwarfs
• Title（参考訳）: 大気モデルによるTY小星の機械学習選択と分類
• Authors: Ankit Biswas,
• Abstract要約: TとYのスペクトルクラスは、ブラウンドローフの最も低温で低質量の集団を表す。 既存の検出フレームワークは、しばしばM、L、および初期のT小星の同定に制約される。 本稿では,後期T型,後期Y型,後期Y型を検出・分類できる新しい機械学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The T and Y spectral classes represent the coolest and lowest-mass population of brown dwarfs, yet their census remains incomplete due to limited statistics. Existing detection frameworks are often constrained to identifying M, L, and early T dwarfs, owing to the sparse observational sample of ultracool dwarfs (UCDs) at later types. This paper presents a novel machine learning framework capable of detecting and classifying late-T and Y dwarfs, trained entirely on synthetic photometry from atmospheric models. Utilizing grids from the ATMO 2020 and Sonora Bobcat models, I produce a training dataset over two orders of magnitude larger than any empirical set of >T6 UCDs. Polynomial color relations fitted to the model photometry are used to assign spectral types to these synthetic models, which in turn train an ensemble of classifiers to identify and classify the spectral type of late UCDs. The model is highly performant when validating on both synthetic and empirical datasets, verifying catalogs of known UCDs with object classification metrics >99% and an average spectral type precision within 0.35 +/- 0.37 subtypes. Application of the model to a 1.5 degree region around Pisces and the UKIDSS UDS field results in the discovery of one previously uncatalogued T8.2 candidate, demonstrating the ability of this model-trained approach in discovering faint, late-type UCDs from photometric catalogs.
• Abstract（参考訳）: TとYのスペクトルクラスは、最も低温で最低質量のブラウン小星の集団を表すが、その国勢調査は限られた統計のため不完全なままである。 既存の検出フレームワークはM、L、および初期のT小星の同定にしばしば制約されるが、これは後のタイプの超クール小星(UCD)の希少な観測サンプルのためである。 本稿では,大気モデルからの合成光度測定で完全に訓練された後期T,Y小星の検出と分類が可能な,新しい機械学習フレームワークを提案する。 ATMO 2020とSonora Bobcatのモデルからのグリッドを利用して、実験的な >T6 UCD よりも2桁大きなトレーニングデータセットを作成します。 これらの合成モデルにスペクトル型を割り当てるために、モデル光度計に適合するポリノミアル色関係を用いており、それによって、遅延UCDのスペクトル型を識別および分類するために分類器のアンサンブルを訓練する。 このモデルは、合成データセットと経験的データセットの両方で検証し、既知のUCDのカタログをオブジェクト分類基準で99%、平均スペクトル型精度が0.35 +/- 0.37のサブタイプで検証するときに高いパフォーマンスを示す。 ピッセ周辺の1.5度領域とUKIDSS UDSフィールドへのモデルの応用により、以前にカタローグされていないT8.2候補が発見された。

関連論文リスト

• Mantis Shrimp: Exploring Photometric Band Utilization in Computer Vision Networks for Photometric Redshift Estimation [0.30924355683504173]
  我々は、紫外光(GALEX)、光(PanSTARRS)、赤外線(UnWISE)画像を融合した測光赤方偏移推定モデルを提案する。 Mantis Shrimpは、カットアウト画像を用いた赤方偏移の条件密度推定を推定する。 我々は、モデルがバンド間で情報を使用する方法を学び、我々のモデルがすべての調査から情報をうまく取り入れた証拠を見つける。
  論文  参考訳（メタデータ） (2025-01-15T19:46:23Z)
• MaskTerial: A Foundation Model for Automated 2D Material Flake Detection [48.73213960205105]
  MaskTerialと呼ばれる深層学習モデルを提案する。このモデルでは、インスタンスセグメンテーションネットワークを用いて、2D素材のフレークを確実に識別する。 このモデルは、ラベルのないデータからリアルな顕微鏡画像を生成する合成データ生成装置を用いて、広範囲に事前訓練されている。 六方晶窒化ホウ素などの低コントラスト材料の検出において,既存の技術よりも顕著な改善が認められた。
  論文  参考訳（メタデータ） (2024-12-12T15:01:39Z)
• Machine learning methods for the search for L&T brown dwarfs in the data of modern sky surveys [67.17190225886465]
  ブラウン・ドワーフ(BD)は、銀河の全ての天体の25%を占めるべきである。 その弱さのため、ブラウン・ドワーフのスペクトル研究は比較的困難である。 多くの試みが、その色を決定規則として使用して茶色の小星を探索し、生成する試みがなされている。
  論文  参考訳（メタデータ） (2023-08-06T08:14:35Z)
• Intercomparison of Brown Dwarf Model Grids and Atmospheric Retrieval Using Machine Learning [0.0]
  本研究は, 以前に公表された14個のブラウンドロームのモデルグリッドの情報量について検討する。 ランダムフォレスト法により,これらのモデルグリッドの予測力を解析することができる。 我々は, 選択したモデルグリッドとは独立して, ブラウンドロームの有効温度を強く予測できることを見出した。
  論文  参考訳（メタデータ） (2023-05-12T18:20:38Z)
• Understanding of the properties of neural network approaches for transient light curve approximations [37.91290708320157]
  本稿では,観測光曲線を時間と波長で近似する最良性能法を提案する。 テストデータセットには、PLAsTiCCと実際のZwicky Transient Facility Bright Transient Survey光曲線のシミュレーションが含まれている。
  論文  参考訳（メタデータ） (2022-09-15T18:00:08Z)
• Supernova Light Curves Approximation based on Neural Network Models [53.180678723280145]
  光度データによる超新星の分類は、天文学におけるビッグデータのリアルタイム処理の出現によって課題となる。 近年の研究では、様々な機械学習モデルに基づく解の優れた品質が実証されている。 我々は,多層パーセプトロン(MLP),ベイジアンニューラルネットワーク(BNN),正規化フロー(NF)の単一光曲線観測への応用について検討した。
  論文  参考訳（メタデータ） (2022-06-27T13:46:51Z)
• Real-time detection of anomalies in large-scale transient surveys [0.0]
  本稿では, 異常な過渡光曲線を自動的にリアルタイムに検出する2つの新しい手法を提案する。 どちらの手法も、既知のトランジェント集団からの光曲線を正確にモデル化できるなら、モデル予測からの偏差は、おそらく異常である、という単純な考え方に基づいている。
  論文  参考訳（メタデータ） (2021-10-29T18:29:25Z)
• Cycle-StarNet: Bridging the gap between theory and data by leveraging large datasets [0.0]
  現在のスペクトル分析の自動化手法は、(a)データ駆動であり、恒星パラメータと元素の存在量の事前の知識を必要とするか、(b)理論と実践のギャップに影響を受けやすい理論合成モデルに基づくかのいずれかである。 本研究では、シミュレーションされた恒星スペクトルを、教師なし学習を大規模分光サーベイに適用することにより、現実的なスペクトルに変換するハイブリッドな生成領域適応法を提案する。
  論文  参考訳（メタデータ） (2020-07-06T23:06:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。