[论文解读] 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 24

一句话总结

本文介绍了 VVV 模板项目，这是首个致力于构建近红外（near-IR）恒星变星光变曲线综合数据库的开创性工作，旨在为训练机器学习算法以分类 VVV 巡天中的变星提供支持。通过结合文献挖掘、全球观测活动以及 VVV 巡天本身提供的高质量光变曲线，该项目已汇编出一个持续增长、公开可访问的数据集，包含超过 1,600 条模板光变曲线，覆盖 17 种变星类型，使对银河系银晕和银盘中数百万个未知变星源的自动化分类成为可能。

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.

研究动机与目标

• 为解决 VVV 巡天中缺乏近红外模板光变曲线以训练自动化分类算法的问题，该巡天是银河系首次大规模、多历元的近红外变星巡天。
• 系统性地汇编高质量、已正确分类的近红外光变曲线，涵盖多种恒星变星类型，包括造父变星、RR Lyrae 变星、长周期变星和激变变星等。
• 创建一个公开可访问、持续扩展的近红外模板数据库，以支持对预计来自 VVV 巡天的 100 万至 1000 万个未知变星源的自动化分类。
• 推动对近红外波段恒星变星现象的更深层次科学探索，该波段相较于光学波段仍属研究不足。
• 为本系列后续论文奠定基础数据集，这些论文将聚焦于开发和优化用于 VVV 光变曲线分类的机器学习算法。

提出的方法

• 系统性地挖掘科学文献和公共档案（如 2MASS、WFCAM 校准星表）中已有的高质量近红外变星光变曲线。
• 协调全球范围内的观测活动，利用世界各地的红外望远镜，获取已知变星在不同变星类型中的新光变曲线。
• 利用 VVV 巡天自身变星数据库，提取先前在光学巡天中已分类恒星的高质量近红外光变曲线，从而丰富模板集合。
• 将所有收集到的光变曲线按类别整理为结构化、公开可访问的数据库，包含变星类型、周期、振幅及测光波段（ZYJHK_S）等元数据。
• 采用交叉识别技术将光学分类结果与近红外光变曲线关联，确保模板分配的准确性。
• 建立专用网络门户，供公众访问该数据集，数据发布计划在论文发表后两年内完成。

实验结果

研究问题

• RQ1 当前近红外恒星变星模板的状况如何？现有数据在训练自动化分类系统方面存在哪些空白？
• RQ2 如何系统性地汇编高质量、已正确分类的近红外光变曲线，以覆盖多种恒星变星类型？
• RQ3 如何将来自文献、公共档案和新观测的现有数据有效整合，以形成全面且可靠的训练数据集？
• RQ4 如何利用 VVV 巡天自身数据，来丰富此前仅通过光学分类的恒星的模板数据库？
• RQ5 所构建数据库在覆盖近红外波段恒星变星现象全貌方面的可扩展性和完整性如何？

主要发现

• VVV 模板项目已汇编出一个全面、公开可访问的近红外恒星变星光变曲线数据库，包含超过 1,600 条模板，覆盖 17 种变星类型。
• 该数据库包含 260 颗经典造父变星（DCEP）、230 颗 II 型造父变星（CW）、1,600 颗 RRab 型 RR Lyrae 变星和 1,000 颗长周期变星（LPV），代表迄今为止最全面的近红外模板集合。
• 项目已成功从全球主要红外设施获取超过 500 条目标观测光变曲线，显著提升了数据质量和覆盖范围。
• 该数据库处于动态增长中，新光变曲线正持续从 VVV 巡天自身对先前光学分类恒星的变星星表中添加。
• 约 10% 的模板集合（160 颗 RRab 变星）源自 VVV 巡天自身数据，证明其作为高质量近红外光变曲线来源的实用性。
• 该数据集可通过专用网络门户公开获取，大部分数据在发布后立即开放，其余部分将在两年内完成发布。