[论文解读] A classifier for spurious astrometric solutions in Gaia EDR3

J. Rybizki, Gregory Green+7 more|arXiv (Cornell University)|Jan 27, 2021

Stellar, planetary, and galactic studies参考文献 14被引用 12

一句话总结

本文提出了一种深度学习分类器，能够以99.3%的纯度和97.3%的完整性识别Gaia eDR3中的虚假天体测量解，优于传统质量标志。该分类器利用包含17个Gaia星表参数及邻近源信息的神经网络，计算出一个“天体测量保真度”分数，显著提升了在不同天区和源类型中过滤虚假天体测量解的可靠性。

ABSTRACT

The Gaia early Data Release 3 has delivered exquisite astrometric data for 1.47 billion sources, which is revolutionizing many fields in astronomy. For a small fraction of these sources, the astrometric solutions are poor, and the reported values and uncertainties may not apply. Before any analysis, it is important to recognize and excise these spurious results - this is commonly done by means of quality flags in the Gaia catalog. Here, we devise a means of separating 'good' from 'bad' astrometric solutions that is an order of magnitude cleaner than any single flag: 99.3% pure and 97.3% complete, as validated on our test data. We devise an extensive sample of manifestly bad astrometric solutions, with parallax that is negative at > 4.5 sigma; and a corresponding sample of presumably good solutions, including sources in HEALPix pixels on the sky that do not contain such negative parallaxes, and sources that fall on the main sequence in a color-absolute magnitude diagram. We then train a neural network that uses 17 pertinent Gaia catalog entries and information about nearby sources to discriminate between these two samples, captured in a single 'astrometric fidelity' parameter. A diverse set of verification tests shows that our approach works very cleanly, including for sources with positive parallaxes. The main limitations of our approach are in the very low-SNR and the crowded regime. Our astrometric fidelities for all of eDR3 can be queried via the Virtual Observatory, our code and data are public.

研究动机与目标

• 为解决Gaia eDR3中虚假天体测量解的问题，尽管整体数据质量较高，但这些解仍会损害距离和运动学测量的准确性。
• 开发一种方法，使其在全天空和星等范围内，对不可靠天体测量解的识别性能优于单一质量标志筛选和现有模型。
• 创建一种稳健且可推广的分类器，即使在低信噪比和密集区域中也能保持高性能，而传统方法在这些区域会失效。

提出的方法

• 作者利用具有 < -4.5σ 视差的源构建了明显错误解的训练数据集，并从低密度天区和颜色-星等图中的主序星中选取了相应的好解样本。
• 训练了一个两阶段神经网络分类器：一个用于高视差信噪比源（|SNR| > 4.5），另一个用于低信噪比源，输入为17个Gaia星表参数及邻近源的接近度数据。
• 模型为每个源输出一个单一的“天体测量保真度”分数，表示可靠天体测量解的概率。
• 通过多种诊断方法对分类器进行验证：空间分布一致性、颜色-星等图中的位置、与OGLE的自行一致性，以及与星团距离的视差一致性。
• 该方法在银河系平面的OBA星、LMC和球状星团中进行了测试，仅当源被分类为“好”时，才显示出物理解释的空间分布。
• 代码和eDR3所有源的完整天体测量保真度分数已通过虚拟天文台公开发布，并提供可重用的Python笔记本用于重新训练。

实验结果

研究问题

• RQ1 机器学习模型能否在识别Gaia eDR3中虚假天体测量解时，实现高于单一质量标志筛选的纯度和完整性？
• RQ2 与逻辑回归或ExtraTrees等简单模型相比，神经网络分类器在检测天体测量故障时的性能如何？
• RQ3 在低信噪比和密集区域中，该分类器在传统方法失效时，其可靠性能维持到何种程度？
• RQ4 天体测量保真度分数是否能提升不同天区和恒星群体中天体测量解的物理一致性？
• RQ5 该分类器能否推广至其他数据发布版本，或适用于特殊源（如双星或具有完整测光波段的源）？

主要发现

• 该分类器在测试集上实现了99.3%的纯度和97.3%的完整性，显著优于单一质量标志筛选和其他基线模型。
• 模型分类为“好”的源在天空中和颜色-星等图中表现出物理解释的空间分布，而“坏”源则表现出非物理的聚集。
• 银河系平面中高保真度天体测量的OBA星空间分布与已知结构一致，而低保真度源则表现出非物理的过密区域。
• LMC和球状星团中高保真度源的视差在星团距离附近呈正态分布，且分散度小于低保真度源。
• 该模型识别出具有“坏”天体测量解的源主要位于高密度区域，如银河系银心、银盘和大、小麦哲伦云。
• 天体测量保真度分数已通过虚拟天文台公开提供，且训练流程可通过社区可访问的Python笔记本实现复现。