Transient-optimized real-bogus classification with Bayesian convolutional neural networks - sifting the GOTO candidate stream

Killestein, T. L.; Lyman, J.; Steeghs, D.; Ackley, K.; Dyer, M. J.; Ulaczyk, K.; Cutter, R.; Mong, Y. -L.; Galloway, D. K.; Dhillon, V.; O'Brien, P.; Ramsay, G.; Poshyachinda, S.; Kotak, R.; Breton, R. P.; Nuttall, L. K.; Pallé, E.; Pollacco, D.; Thrane, E.; Aukkaravittayapun, S.; Awiphan, S.; Burhanudin, U.; Chote, P.; Chrimes, A.; Daw, E.; Duffy, C.; Eyles-Ferris, R.; Gompertz, B.; Heikkilä, T.; Irawati, P.; Kennedy, M. R.; Levan, A.; Littlefair, S.; Makrygianni, L.; Mata Sánchez, D.; Mattila, S.; Maund, J.; McCormac, J.; Mkrtichian, D.; Mullaney, J.; Rol, E.; Sawangwit, U.; Stanway, E.; Starling, R.; Strøm, P. A.; Tooke, S.; Wiersema, K.; Williams, S. C.
Referencia bibliográfica

Monthly Notices of the Royal Astronomical Society

Fecha de publicación:
5
2021
Descripción
Large-scale sky surveys have played a transformative role in our understanding of astrophysical transients, only made possible by increasingly powerful machine learning-based filtering to accurately sift through the vast quantities of incoming data generated. In this paper, we present a new real-bogus classifier based on a Bayesian convolutional neural network that provides nuanced, uncertainty-aware classification of transient candidates in difference imaging, and demonstrate its application to the datastream from the GOTO wide-field optical survey. Not only are candidates assigned a well-calibrated probability of being real, but also an associated confidence that can be used to prioritize human vetting efforts and inform future model optimization via active learning. To fully realize the potential of this architecture, we present a fully automated training set generation method which requires no human labelling, incorporating a novel data-driven augmentation method to significantly improve the recovery of faint and nuclear transient sources. We achieve competitive classification accuracy (FPR and FNR both below 1 per cent) compared against classifiers trained with fully human-labelled data sets, while being significantly quicker and less labour-intensive to build. This data-driven approach is uniquely scalable to the upcoming challenges and data needs of next-generation transient surveys. We make our data generation and model training codes available to the community.
Proyectos relacionados
Representación de la variable cataclísmica SS Cygni (Chris Moran)
Estrellas Binarias

El estudio de las estrellas binarias es una parte esencial de la astrofísica estelar. Una gran parte de las estrellas de nuestra Galaxia y de otras galaxias se ha formado en sistemas binarios o múltiples, por lo que entender la estructura y evolución de estos sistemas es importante desde el punto de vista estelar y galáctico. Un aspecto en el que

Pablo
Rodríguez Gil
Agujero negro en erupción
Agujeros negros, estrellas de neutrones, enanas blancas y su entorno local

Los agujeros negros y estrellas de neutrones en binarias de rayos-X son laboratorios únicos para explorar la física de estos objetos compactos. No solo permiten confirmar la existencia de agujeros negros de origen estelar a través de mediciones dinámicas de sus masas, sino que también permiten investigar el comportamiento de la materia y la

Teodoro
Muñoz Darias
Image withthe projects' name
Exoplanetas y Astrobiología

La búsqueda de vida en el Universo se ha visto impulsada por los recientes descubrimientos de planetas alrededor de otras estrellas (los llamados exoplanetas), convirtiéndose en uno de los campos más activos dentro de la Astrofísica moderna. En los últimos años los descubrimientos cada vez más numerosos de nuevos exoplanetas y los últimos avances

Enric
Pallé Bago