Machine Learning for Searching the Dark Energy Survey for Trans-Neptunian Objects
Machine Learning for Searching the Dark Energy Survey for Trans-Neptunian Objects
复制标题
用于搜索海王星外天体暗能量巡天的机器学习
DOI：
10.1088/1538-3873/abcaea
复制
发表时间：
2020
影响因子：
3.5
通讯作者：
Henghes B
中科院分区：
文献类型：
--
作者：
Henghes B
在这篇文章中，我们研究了当与轨道拟合一起使用时，实施机器学习如何提高在暗能量调查(DES)数据中搜索跨海王星对象(TNOS)的效率。多个TNOO的发现似乎表明它们的轨道参数相似，这使得人们认为太阳系外可能存在一颗或多颗未被探测到的行星，即尚未发现的“行星9”。DES处于探测这样一颗行星的有利位置，并且已经被用来发现许多其他的TNO。在这里，我们使用一个由隐藏在真实DES噪声数据中的模拟TNO组成的数据集，对八种不同的有监督机器学习算法进行测试。我们发现，性能最好的分类器是随机森林，经过优化后，它在检测稀有对象方面表现良好。我们得到了接收器工作特性曲线下的面积(AuC)=0.996±0.001。在对随机森林的决策阈值进行优化后，在保持0.80的准确率的前提下，实现了0.96的召回率。最后，通过使用优化的分类器来预选对象，我们能够以五倍的速度运行我们检测流水线的轨道拟合阶段。
In this paper we investigate how implementing machine learning could improve the efficiency of the search for Trans-Neptunian Objects (TNOs) within Dark Energy Survey (DES) data when used alongside orbit fitting. The discovery of multiple TNOs that appear to show a similarity in their orbital parameters has led to the suggestion that one or more undetected planets, an as yet undiscovered" Planet 9", may be present in the outer solar system. DES is well placed to detect such a planet and has already been used to discover many other TNOs. Here, we perform tests on eight different supervised machine learning algorithms, using a data set consisting of simulated TNOs buried within real DES noise data. We found that the best performing classifier was the Random Forest which, when optimized, performed well at detecting the rare objects. We achieve an area under the receiver operating characteristic (ROC) curve,(AUC)= 0.996±0.001. After optimizing the decision threshold of the Random Forest, we achieve a recall of 0.96 while maintaining a precision of 0.80. Finally, by using the optimized classifier to pre-select objects, we are able to run the orbit-fitting stage of our detection pipeline five times faster.
登录
查看更多内容
行星系统相对于太阳赤道的倾斜可以通过行星 9 的存在来解释
DOI：
10.3847/1538-3881/153/1/27
发表时间：
2016
期刊：
The Astronomical Journal
影响因子：
--
作者：
R. Gomes;R. Deienno;A. Morbidelli
通讯作者：
A. Morbidelli
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
C. Shankman;J. Kavelaars;M. Bannister;B. Gladman;S. Lawler;Ying;M. Jakubik;N. Kaib;M. Alexandersen;S. Gwyn;J. Petit;K. Volk
通讯作者：
K. Volk
勒维耶行星海王星的发现记录，1846 年 9 月 23 日在柏林
DOI：
--
发表时间：
--
期刊：
影响因子：
--
作者：
J. Galle
通讯作者：
J. Galle
DOI：
--
发表时间：
2012
期刊：
--
影响因子：
--
作者：
Shay B. Cohen;Michael Collins
通讯作者：
Shay B. Cohen;Michael Collins
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
M. Brown
通讯作者：
M. Brown