[논문 리뷰] 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 Ramos외 51명|Open University of Cape Town (University of Cape Town)|2014. 05. 18.

Stellar, planetary, and galactic studies참고 문헌 97인용 수 24

한 줄 요약

이 논문은 밀레니엄 은하수의 부두 및 디스크에서 수백만 개의 알려지지 않은 변광성 소스를 자동으로 분류하기 위해 기계학습 알고리즘을 훈련시키기 위한 근적외선(near-IR) 별 변동성 광도곡선을 포함하는 종합적인 데이터베이스를 구축하는 데 목적이 있는 VVV 템플릿 프로젝트를 소개한다. 문헌 채굴, 전 세계 관측 캠프, 그리고 VVV 설문 자체에서 확보한 고품질 광도곡선을 융합함으로써, 이 프로젝트는 17개의 변동성 유형에 걸쳐 1,600건이 넘는 템플릿 광도곡선을 포함하는 점점 커지는 공개 가능한 데이터셋을 구축하였다.

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.

연구 동기 및 목표

• VVV 설문은 은하수의 대규모 다시측정 근적외선 변동성 설문이지만, 자동 분류 알고리즘을 훈련시키기 위한 근적외선 템플릿 광도곡선이 부족한 문제를 해결하기 위해.
• 클래식 세프라이드, RR 라이라, 장주기 변수, 폭발성 변수를 포함한 다양한 별 변동성 유형에 대해 고품질로 분류된 근적외선 광도곡선을 체계적으로 수집하기 위해.
• VVV 설문에서 예상되는 100만 명의 알려지지 않은 변광성 소스를 자동으로 분류할 수 있도록 공개 가능하고 지속적으로 확장되는 근적외선 템플릿 데이터베이스를 구축하기 위해.
• 현재는 가시광선 대비 근적외선 영역에서 아직 미비하게 연구된 별 변동성의 더 깊은 과학적 탐구를 가능하게 하기 위해.
• 다음 논문들에서 VVV 광도곡선 분류를 위한 기계학습 알고리즘 개발 및 최적화를 위해 필수적인 기초 데이터셋을 제공하기 위해.

제안 방법

• 고품질 근적외선 별 변동성 광도곡선을 포함한 과학문헌 및 공공 아카이브(예: 2MASS, WFCAM 캘리브레이션 목록 등)에서 체계적으로 데이터를 채굴하였다.
• 세계 각지의 적외선 천체망원경을 활용해 전 세계 관측 캠프를 조율하여, 다양한 변동성 유형에 속하는 알려진 변광성의 새로운 광도곡선을 확보하였다.
• 이미 가시광선 설문에서 분류된 별들을 대상으로 VVV 설문 자체의 변동성 데이터베이스를 활용해 고품질 근적외선 광도곡선을 추출함으로써 템플릿 집합을 풍부하게 하였다.
• 변동성 유형, 주기, 진폭, 광도 측정 대역(ZYJHK_S) 등의 메타데이터를 포함해 모든 확보된 광도곡선을 체계화된 공개 가능한 데이터베이스로 정리하였다.
• 광학 분류와 근적외선 광도곡선을 연결하기 위해 교차 식별 기법을 적용하여 정확한 템플릿 할당을 보장하였다.
• 공개 접근을 위한 전용 웹 포털을 구축하였으며, 발표 후 2년 내에 데이터를 배포할 계획이다.

실험 결과

연구 질문

• RQ1 현재 근적외선 별 변동성 템플릿의 상태는 어떠한가? 자동 분류 시스템 훈련을 위한 기존 데이터에서 어떤 격차가 존재하는가?
• RQ2 다양한 별 변동성 유형에 대해 고품질로 분류된 근적외선 광도곡선을 어떻게 체계적으로 수집할 수 있는가?
• RQ3 문헌, 공공 아카이브, 그리고 신규 관측 자료에서 확보된 기존 데이터를 얼마나 잘 융합하여 종합적이고 신뢰할 수 있는 훈련 데이터셋을 만들 수 있는가?
• RQ4 VVV 설문 자체의 데이터는 이전에 광학 설문에서 분류된 별들을 위한 템플릿 데이터베이스를 어떻게 풍부하게 할 수 있는가?
• RQ5 최종적으로 생성된 데이터베이스는 근적외선 영역에서 별 변동성 현상의 전체 다양성을 얼마나 잘 커버하고 있는가?

주요 결과

• VVV 템플릿 프로젝트는 17개의 변동성 유형에 걸쳐 1,600건이 넘는 템플릿을 포함하는 종합적이고 공개 가능한 근적외선 별 변동성 광도곡선 데이터베이스를 구축하였다.
• 이 데이터베이스에는 260개의 고전적 세프라이드(DCEP), 230개의 타입-II 세프라이드(CW), 1,600개의 RRab, 1,000개의 장주기 변수(LPV)가 포함되어 있으며, 이는 지금까지 가장 광범위한 근적외선 템플릿 세트이다.
• 세계 주요 적외선 시설에서 수행된 목표 관측을 통해 500건 이상의 광도곡선을 성공적으로 확보하여 데이터 품질과 커버리지가 크게 향상되었다.
• 데이터베이스는 동적으로 성장 중이며, 이전에 광학 설문에서 분류된 별들을 대상으로 VVV 설문의 자체 변동성 카탈로그에서 계속해서 새로운 광도곡선이 추가되고 있다.
• 전체 템플릿 세트의 약 10%(160개의 RRab 별)는 VVV 설문 자체의 데이터에서 유래되었으며, 이는 고품질 근적외선 광도곡선의 유용한 자료임을 입증한다.
• 이 데이터셋은 전용 웹 포털을 통해 공개 가능하며, 대부분의 데이터는 발표와 동시에 즉시 배포되고, 나머지는 발표 후 2년 이내에 배포될 예정이다.