論文の概要: Microlensify: a Transformer Based Machine Learning Classifier for Microlensing Events Trained on TESS Light Curves
- arxiv url: http://arxiv.org/abs/2608.19419v1
- Date: Wed, 19 Aug 2026 20:11:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-21 20:28:51.392952
- Title: Microlensify: a Transformer Based Machine Learning Classifier for Microlensing Events Trained on TESS Light Curves
- Title（参考訳）: Microlensify: TESSライトカーブでトレーニングされたイベントのマイクロレンシングのためのトランスフォーマーベースの機械学習分類器
- Abstract要約: 我々は、従来の学習手法と機械学習手法の両方を用いて、TESSデータを用いてマイクロレンズ候補を探索する。
マイクロレンズファイド(Microlensify)は、単一レンズマイクロレンズ光曲線を模擬した物理インフォーム・トランスフォーマーベースの変分オートエンコーダである。
このモデルは、異なる地上でのマイクロレンズ調査の公開イベントでさらにテストされ、92.7%がマイクロレンズとして確認された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Microlensing can reveal populations of faint compact objects that are otherwise difficult to detect. Depending on their design, all-sky surveys have the potential to search for these objects across the sky. The Transiting Exoplanet Survey Satellite (TESS), primarily designed to detect transiting exoplanets, also provides near all-sky coverage with high cadence. In this work, we use TESS data to search for microlensing candidates using both traditional and machine-learning methods and to identify associated false positives in high-cadence surveys. Microlensify is a physics-informed, transformer-based variational autoencoder trained on simulated single-lens microlensing light curves and real TESS Sector 12 data. The model classifies events, reconstructs light curves, and estimates microlensing event durations. Applied to $\sim 5.6$ million TESS light curves, it identified between $0.036\%$ and $1.89\%$ as microlensing candidates across different TESS pipelines. After applying microlensing detection metrics and cross-matching with SIMBAD, we obtained a final list of candidates and identified false positives including long-period variables, Mira variables, cataclysmic variables, red giants, and transients. We also found Gaussian-like peaks caused by asteroid crossings, a potential source of false positives in high-cadence microlensing surveys. The model also predicts event duration with an accuracy of $R^2 = 0.97$. The model was further tested on published events from different ground-based microlensing surveys, confirming 92.7% as microlensing, demonstrating its applicability across surveys with different cadences.
- Abstract（参考訳）: マイクロレンズは、他の方法では検出が難しい小さくてコンパクトな物体の集団を明らかにすることができる。
彼らのデザインによっては、全天調査は、空を横断するこれらの物体を探索する可能性がある。
トランジット型太陽系外惑星探査衛星(TESS)は、主にトランジット型太陽系外惑星を検出するために設計された衛星で、ほぼすべてのスキーを高い周期でカバーする。
本研究では,TESSデータを用いて,従来の学習手法と機械学習手法の両方を用いてマイクロレンズ候補を探索し,高精度な調査で関連する偽陽性を同定する。
Microlensifyは物理インフォームされたトランスフォーマーベースの変分オートエンコーダで、光曲線と実TESSシークター12のデータをシミュレートした単一レンズマイクロレンズで訓練されている。
モデルはイベントを分類し、光曲線を再構成し、イベント期間を微調整する。
$\sim 5.6$ million TESSライトカーブに適用され、様々なTESSパイプラインのマイクロレンズ候補として0.036\%$と1.89\%$を識別した。
SIMBADを用いたマイクロレンズ検出計測とクロスマッチングを適用した結果,長周期変数,ミラ変数,カタクリズミック変数,赤色巨星,過渡現象を含む疑似陽性が確認された。
また,高頻度マイクロレンズ調査では,小惑星横断によるガウシアン様のピークが偽陽性の原因となる可能性が示唆された。
モデルはまた、R^2 = 0.97$の精度でイベントの長さを予測する。
このモデルは、様々な地上のマイクロレンズ調査から発表されたイベントでさらにテストされ、92.7%がマイクロレンズとして確認され、異なるケイデンスを持つ調査全体に適用可能であることが証明された。
関連論文リスト
- Benchmarking Microsaccade Recognition with Event Cameras: A Novel Dataset and Evaluation [4.497527935481453]
マイクロサケードは、視覚知覚や神経処理に不可欠な小さな不随意眼球運動である。
イベントベースのセンシングは、微細な時間変化を効率的にキャプチャすることで、高速で低レイテンシな代替手段を提供する。
このデータセットは、認知コンピューティングにおける小さな眼球運動ダイナミクスの研究を支援する。
論文 参考訳（メタデータ） (2025-10-28T09:41:30Z) - Improving gravitational wave search sensitivity with TIER: Trigger Inference using Extended strain Representation [0.0]
重力波探索パイプラインの感度を向上させるために,$textttTIER$という機械学習フレームワークを導入する。
LIGO-Virgo-Kagra O3データでは、最大で$sim 20%の高感度ボリューム時間の改善が見られます。
我々の枠組みを適用することで、いくつかの準閾値重力波候補の重要性が増す。
論文 参考訳（メタデータ） (2025-07-11T05:08:38Z) - SPARC: Score Prompting and Adaptive Fusion for Zero-Shot Multi-Label Recognition in Vision-Language Models [74.40683913645731]
Zero-shot Multi-label Recognition (MLR) with Vision-Language Models (VLMs) は、トレーニングデータ、モデルチューニング、アーキテクチャの変更なしに重要な課題に直面している。
我々の研究は、VLMをブラックボックスとして扱い、トレーニングデータや地上の真実を使わずにスコアを活用する新しいソリューションを提案する。
これらのプロンプトスコアの分析により、VLMバイアスとAND'/OR信号の曖昧さが明らかになり、特に、最高スコアは2番目に高いスコアに比べて驚くほど低い。
論文 参考訳（メタデータ） (2025-02-24T07:15:05Z) - Machine Learning Force Fields with Data Cost Aware Training [94.78998399180519]
分子動力学(MD)シミュレーションを加速するために機械学習力場(MLFF)が提案されている。
最もデータ効率のよいMLFFであっても、化学精度に達するには数百フレームの力とエネルギーのラベルが必要になる。
我々は、安価な不正確なデータと高価な正確なデータの組み合わせを利用して、MLFFのデータコストを下げる多段階計算フレームワークASTEROIDを提案する。
論文 参考訳（メタデータ） (2023-06-05T04:34:54Z) - Monte Carlo Techniques for Addressing Large Errors and Missing Data in
Simulation-based Inference [0.40964539027092917]
銀河の光からパラメータを推測する現在のツールは、1つにつき10ドルかかる。
標準SBIツールを用いて,分布外測定誤差と欠落データを扱うモンテカルロ法を提案する。
論文 参考訳（メタデータ） (2022-11-07T18:19:19Z) - Towards Asteroid Detection in Microlensing Surveys with Deep Learning [0.0]
小惑星は、ほとんどの天文学的な調査では確認不可能な部分である。
本稿ではMOAプロジェクトによって収集されたマイクロレンズデータから小惑星の回収と発見のための新しい深層学習ソリューションを提案する。
論文 参考訳（メタデータ） (2022-11-04T03:16:23Z) - Towards a method to anticipate dark matter signals with deep learning at
the LHC [58.720142291102135]
ニューラルネットワークを用いた簡易暗黒物質モデルとそのシグネチャをLHCで検討した。
通常のモノジェットと逆エネルギーチャネルの欠如に焦点を当てるが、アルゴリズムを訓練するためには、イベント・バイ・イベント・アレーの代わりに2Dヒストグラムでデータを整理する。
これにより、標準モデル(SM)のみとSMと新しい物理信号とを区別する性能が大きく向上する。
論文 参考訳（メタデータ） (2021-05-25T15:38:13Z) - Moving Object Classification with a Sub-6 GHz Massive MIMO Array using
Real Data [64.48836187884325]
無線信号を用いた屋内環境における各種活動の分類は,様々な応用の新たな技術である。
本論文では,屋内環境におけるマルチインプット・マルチアウトプット(MIMO)システムから,機械学習を用いて移動物体の分類を解析する。
論文 参考訳（メタデータ） (2021-02-09T15:48:35Z) - DeepShadows: Separating Low Surface Brightness Galaxies from Artifacts
using Deep Learning [70.80563014913676]
本研究では,低地光度銀河と人工物とを分離する問題に対する畳み込みニューラルネットワーク(CNN)の利用について検討する。
我々は、CNNが低地光度宇宙の研究に非常に有望な道を提供することを示した。
論文 参考訳（メタデータ） (2020-11-24T22:51:08Z) - Deep learning for gravitational-wave data analysis: A resampling
white-box approach [62.997667081978825]
我々は、LIGO検出器からの単一干渉計データを用いて、畳み込みニューラルネットワーク(CNN)を用いて、コンパクトなバイナリコレッセンスにおける重力波(GW)信号を検出する。
CNNはノイズを検出するのに非常に正確だが、GW信号のリコールに十分な感度がないため、CNNはGWトリガの生成よりもノイズ低減に適している。
論文 参考訳（メタデータ） (2020-09-09T03:28:57Z) - Identifying microlensing events using neural networks [0.0]
現在の重力マイクロレンズ調査では、ギャラクティック・バルジで何億もの星が観測されている。
マイクロレンズ現象は、非常に厳密な選択カットを施すか、数万光度曲線を手動で検査することによって検出された。
単一およびバイナリマイクロレンズイベントを検出するための2つの単純なニューラルネットワークに基づく分類器を提案する。
論文 参考訳（メタデータ） (2020-08-27T06:18:44Z)
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。