[論文レビュー] The VVV Templates Project. Towards an Automated Classification of VVV Light-Curves. I. Building a database of stellar variability in the near-infrared

R. Angeloni, R. Contreras Ramos+51 more|Open University of Cape Town (University of Cape Town)|May 18, 2014

Stellar, planetary, and galactic studies参考文献 97被引用数 24

ひとこと要約

本論文は、銀河のバルジおよびディスクに存在する数百万の未知の変光星源を自動分類するための機械学習アルゴリズムをトレーニングするための、近赤外（near-IR）星の変光曲線の包括的データベースを構築する画期的な取り組みであるVVVテンプレートプロジェクトを紹介する。文献マイニング、世界的な観測キャンペーン、およびVVV調査自体の高品質な光曲線を組み合わせることで、17の変光タイプにまたがる1,600件を超えるテンプレート光曲線を含む、成長し続ける公開可能なデータセットが構築された。

ABSTRACT

Context. The Vista Variables in the Vía Láctea (VVV) ESO Public Survey is a variability survey of the Milky Way bulge and an adjacent section of the disk carried out from 2010 on ESO Visible and Infrared Survey Telescope for Astronomy (VISTA). VVV will eventually deliver a deep near-IR atlas with photometry and positions in five passbands (ZYJHK_S) and a catalogue of 1-10 million variable point sources - mostly unknown - which require classifications. Aims. The main goal of the VVV Templates Project, that we introduce in this work, is to develop and test the machine-learning algorithms for the automated classification of the VVV light-curves. As VVV is the first massive, multi-epoch survey of stellar variability in the near-infrared, the template light-curves that are required for training the classification algorithms are not available. In the first paper of the series we describe the construction of this comprehensive database of infrared stellar variability. Methods. First we performed a systematic search in the literature and public data archives, second, we coordinated a worldwide observational campaign, and third we exploited the VVV variability database itself on (optically) well-known stars to gather high-quality infrared light-curves of several hundreds of variable stars. Results. We have now collected a significant (and still increasing) number of infrared template light-curves. This database will be used as a training-set for the machine-learning algorithms that will automatically classify the light-curves produced by VVV. The results of such an automated classification will be covered in forthcoming papers of the series.

研究の動機と目的

• VVV調査において、自動分類アルゴリズムのトレーニングに使用可能な近赤外テンプレート光曲線が不足しているという問題に対処する。これは、銀河の近赤外変光を対象とする最初の大規模で複数エポックにわたる調査である。
• Cepheid、RR Lyrae、長周期変光星、および特異的変光星を含む、多様な星の変光タイプの高品質で正確に分類された近赤外光曲線を体系的に収集する。
• 100万〜1000万個の未知の変光星源がVVV調査から予想される中で、公開可能で継続的に拡充される近赤外テンプレートデータベースを構築し、それらの自動分類を支援する。
• 光学波長と比較して未だ十分に調査が進んでいない近赤外領域における星の変光のより深い科学的探求を可能にする。
• 今後の論文シリーズで、VVV光曲線分類のための機械学習アルゴリズムの開発と最適化を進めるために必要な基盤データセットを整備する。

提案手法

• 既存の高品質な近赤外変光星光曲線を、科学文献および公開アーカイブ（例：2MASS、WFCAMキャリブレーションアーカイブ）から体系的に抽出した。
• 世界中の複数の赤外望遠鏡を用いた世界的な観測キャンペーンを調整し、さまざまな変光タイプに属する既知の変光星の新たな光曲線を取得した。
• VVV調査自体の変光データベースを活用して、光学調査で事前に分類済みの星の高品質な近赤外光曲線を抽出し、テンプレートセットを強化した。
• 変光タイプ、周期、振幅、光度バンド（ZYJHK_S）などのメタデータを含む、構造化された公開可能なデータベースに、すべての収集済み光曲線を分類・統合した。
• 光学分類と近赤外光曲線を結びつけるためのクロス識別技術を採用し、正確なテンプレート割り当てを保証した。
• データの公開を目的とした専用のウェブポータルを整備し、論文公開後2年以内にデータをリリースする計画である。

実験結果

リサーチクエスチョン

• RQ1 現在の近赤外星の変光テンプレートの状況はどのようになっており、自動分類システムのトレーニングに必要なデータにどのようなギャップが存在するか？
• RQ2 多様な星の変光タイプにわたる高品質で正確に分類された近赤外光曲線を、どのように体系的に収集できるか？
• RQ3 既存の文献データ、公開アーカイブ、および新規観測データを統合することで、包括的かつ信頼性の高いトレーニングデータセットを構築できるか、その範囲はどの程度か？
• RQ4 VVV調査の自らのデータは、事前に光学で分類済みの星のテンプレートデータベースをどのように強化できるか？
• RQ5 得られたデータベースは、近赤外領域における星の変光現象の全貌をどの程度網羅的にカバーできており、スケーラビリティと完全性を満たしているか？

主な発見

• VVVテンプレートプロジェクトは、17の変光タイプにまたがる1,600件を超えるテンプレート光曲線を含む包括的で公開可能な近赤外星の変光光曲線データベースを構築した。
• データベースには260個の古典的Cepheid（DCEP）、230個のタイプII Cepheid（CW）、1,600個のRR Lyrae（RRab）、1,000個の長周期変光星（LPV）が含まれており、これは現在までに構築された中で最も包括的な近赤外テンプレートセットである。
• 世界中の主要な赤外望遠鏡を活用した標的観測から、500件以上の光曲線を収集し、データの品質とカバー範囲を顕著に向上させた。
• データベースは動的に拡充されており、事前に光学で分類済みの星のVVV調査の自らの変光カタログから継続的に新しい光曲線が追加されている。
• 全テンプレートセットの約10％（160個のRRab星）が、VVV調査自体のデータから得られており、これが高品質な近赤外光曲線の供給源としての有効性を示している。
• データは専用のウェブポータルを通じて公開されており、大部分のデータは即時リリースされ、残りのデータは論文公開後2年以内にリリースされる予定である。