論文の概要: The Chandra-Gaia Catalog of Counterparts: Resolving ambiguous Gaia matches to X-ray sources in the Chandra Source Catalog using Machine Learning

• arxiv url: http://arxiv.org/abs/2606.19329v1
• Date: Wed, 17 Jun 2026 17:54:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.302165
• Title: The Chandra-Gaia Catalog of Counterparts: Resolving ambiguous Gaia matches to X-ray sources in the Chandra Source Catalog using Machine Learning
• Title（参考訳）: Chandra-Gaia Catalog of Counterparts:Resolving ambiguous Gaia Match to the X-ray source in the Chandra Source Catalog using Machine Learning (特集:一般)
• Authors: V. Samuel Pérez-Díaz, Vinay L. Kashyap, Joshua D. Ingram, David Fouhey, Juan Rafael Martínez-Galarza, Pavlos Protopapas, Jeremy J. Drake, Dong-Woo Kim, Cecilia Garraffo,
• Abstract要約: 本稿では,Chandra Source Catalog (CSC v2.1) のクロスマッチソースを Gaia Data Release 3 の光ソースと組み合わせたフレームワークを提案する。 我々は、大きさ、色、距離などのソース特性を使用して、真の相違を識別し、偶然の偶然を検出し、曖昧さを解消します。 われわれは、Chandra-Gaiaの113ドル相当のカタログを、7ドルの代替試合と20ドルの曖昧なNWAY協会と共にリリースしている。
• 参考スコア（独自算出の注目度）: 7.662999996454258
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a framework to cross-match sources from the Chandra Source Catalog (CSC v2.1) with optical sources from Gaia Data Release 3. Unlike purely spatial approaches, we use source properties such as magnitudes, colors, and distances to identify true counterparts, detect chance coincidences, and resolve ambiguities when multiple plausible candidates exist. We define a training set of high-confidence matches using NWAY, a Bayesian cross-matching framework that accounts for positional errors and source densities. We train a gradient-boosted classifier (LightGBM) on a variety of features from both catalogs. Of the ~$254$k unique X-ray sources, we find counterparts for ~$113$k sources, of which plausible multiple counterparts are found for ~$7$k. We find no counterparts for ~$20$k sources for which separation-based cross-matching does find a match, and attribute half of these to chance coincidences. We validate the pipeline on the Chandra Orion Ultradeep Project (COUP), where the machine-learning matches reproduce 95% of NWAY cross-matches without using any positional information. We release a catalog of the ~$113$k Chandra-Gaia counterparts, together with ~$7$k alternative matches and ~$20$k ambiguous NWAY associations, supporting future population studies of sources detectable by both Chandra and Gaia. We discuss limitations and provide a generalization of the framework that is applicable in other cross-matching scenarios.
• Abstract（参考訳）: 本稿では,Chandra Source Catalog (CSC v2.1) のクロスマッチソースを Gaia Data Release 3 の光ソースと組み合わせたフレームワークを提案する。 純粋に空間的なアプローチとは異なり、大小、色、距離などの情報源特性を用いて真の特徴を特定し、偶然の一致を検出し、複数の候補が存在する場合の曖昧さを解消する。 位置誤差とソース密度を考慮に入れたベイズ横断マッチングフレームワークであるNWAYを用いて,高信頼マッチングのトレーニングセットを定義する。 両カタログのさまざまな機能に対して,勾配ブースト分類器 (LightGBM) を訓練する。 ~254$kのユニークなX線源のうち、~113$kのソースのソースは~7$kの複数のソースである。 分離ベースのクロスマッチングが一致し,その半数が偶然に発生するという,約20$kのソースの競合は見つからない。 このパイプラインをChandra Orion Ultradeep Project (COUP) で検証し,NWAYの95%のクロスマッチを,位置情報を使わずに再現した。 約113ドルのチャンドラ・ガイアのカタログと7$kの代替マッチと20$kのあいまいなNWAYアソシエーションのカタログを公開し、チャンドラとガイアの両方が検出可能な情報源の将来の人口調査を支援した。 制限について議論し、他のクロスマッチングシナリオに適用可能なフレームワークの一般化を提供する。

関連論文リスト

• Auto Researching, not hyperparameter tuning: Convergence Analysis of 10,000 Experiments [1.6498361958317636]
  ダシュカム衝突検出を27日間にわたって行うために, 2つのLDMエージェントが108,000セルの構成空間上で実行する10,469の実験を分析した。 bftextarchitectural の選択はパフォーマンスの94%を説明してくれます。 エントロピーサイクルによるマルチエージェント探索のダイナミクスを特徴付けるとともに,エフェデレントな勝利バックボーン上での検証を行う。
  論文  参考訳（メタデータ） (2026-03-16T21:05:39Z)
• Towards Automatic Power Battery Detection: New Challenge, Benchmark Dataset and Baseline [70.30473488226093]
  PBD(パワーバッテリ検出)と呼ばれる新しいタスクに関する総合的研究を行う。 X線画像から高密度陰極と陽極板のエンドポイントをローカライズし、電池の品質を評価することを目的としている。 我々は,多次元協調ネットワーク(MDCNet)と呼ばれるPBDのための新しいセグメンテーションベースソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-05T06:18:38Z)
• COCA: Classifier-Oriented Calibration via Textual Prototype for Source-Free Universal Domain Adaptation [58.53682309436275]
  ユニバーサルドメイン適応(UniDA)は、データソース間のドメインとカテゴリのシフトに対処することを目的としている。 SF-UniDAメソッドは、ターゲットドメインへの適応を実行する際に、ソースサンプルに直接アクセスする必要がなくなる。 既存のSF-UniDAメソッドは、ソースモデルをトレーニングするために大量のラベル付きソースサンプルを必要とする。 本稿では,この問題に対処するための新しいCOCA法を提案する。
  論文  参考訳（メタデータ） (2023-08-21T03:50:19Z)
• Extracting the gamma-ray source-count distribution below the Fermi-LAT detection limit with deep learning [44.99833362998488]
  合成2次元スカイマップ上で畳み込みニューラルネットワークを訓練し,Fermi-LATインスツルメンタル応答関数を組み込む。 トレーニングされたニューラルネットワークはFermi-LATデータに適用され、そこからソースカウント分布をFermi-LATしきい値以下50のフラックスレベルまで推定する。
  論文  参考訳（メタデータ） (2023-02-03T19:00:51Z)
• Partial and Asymmetric Contrastive Learning for Out-of-Distribution Detection in Long-Tailed Recognition [80.07843757970923]
  既存のOOD検出手法は,トレーニングセットが長距離分布している場合,大幅な性能劣化に悩まされていることを示す。 本稿では,部分的および非対称的な教師付きコントラスト学習(PASCL)を提案する。 我々の手法は従来の最先端の手法を1.29%$, $1.45%$, $0.69%$異常検出偽陽性率(FPR)と$3.24%$, 4,.06%$, 7,89%$in-distributionで上回ります。
  論文  参考訳（メタデータ） (2022-07-04T01:53:07Z)
• Best Arm Identification under Additive Transfer Bandits [49.69203462561861]
  提案手法は, 未知であるにもかかわらず, ソースとターゲットMABインスタンスの間には, 付加的な関係があることが知られている。 本稿では,LUCBスタイルのアルゴリズムを理論的に解析し,高い確率で$epsilon$-optimal target armを同定する。
  論文  参考訳（メタデータ） (2021-12-08T02:20:18Z)
• DECORAS: detection and characterization of radio-astronomical sources using deep learning [0.0]
  我々は,VLBI(Very Long Baseline Interferometry)観測から遠点と遠点の両方を検出する深層学習に基づくDECRASを提案する。 当社のアプローチは,低数の畳み込みレイヤを使用してソース検出にスケーラブルなソリューションを提供する,エンコーダ・デコーダニューラルネットワークアーキテクチャに基づいている。 DECORASは検出されたソースの位置を0.61$pm$ 0.69 masに復元でき、有効半径とピーク表面の明るさはそれぞれ98および94パーセントで20%以内に回収される。
  論文  参考訳（メタデータ） (2021-09-19T08:03:36Z)
• Primordial non-Gaussianity from the Completed SDSS-IV extended Baryon Oscillation Spectroscopic Survey I: Catalogue Preparation and Systematic Mitigation [3.2855185490071444]
  最近完了したバリオン振動分光サーベイ(eBOSS)による最終分光試料の大規模クラスタリングについて検討する。 フォローアップ分光のターゲットを選択するために使用される画像データの品質の空間的変動に起因する密度場の急激なゆらぎを軽減するニューラルネットワークベースのアプローチを開発した。
  論文  参考訳（メタデータ） (2021-06-25T16:01:19Z)
• Evolutionary Map of the Universe (EMU):Compact radio sources in the SCORPIO field towards the Galactic plane [0.0]
  オーストラリアのSquare Kilometre Array Pathfinder(ASKAP)の早期科学プログラムで撮影された銀河面の領域の観測について報告する。 SCORPIOフィールドを912MHzで観測し、15個のアンテナからなる未完成アレイを観測した。 CAESARソースファインダーを使用して、合計3963の電波源が検出され、フィールドで特徴付けられました。
  論文  参考訳（メタデータ） (2021-01-11T12:25:32Z)

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。