基于DenseNet 的天體光譜分類方法?

王奇勛， 趙 剛， 范 舟

(1.中國(guó)科學(xué)院光學(xué)天文重點(diǎn)實(shí)驗(yàn)室，北京 100101；2.中國(guó)科學(xué)院大學(xué)天文與空間科學(xué)學(xué)院，北京 100049)

1 研究背景與意義

隨著科學(xué)技術(shù)的發(fā)展和觀測(cè)設(shè)備不斷升級(jí)，天文數(shù)據(jù)呈現(xiàn)爆炸式增長(zhǎng)。人工智能技術(shù)能夠輔助天文學(xué)家處理分析海量天文數(shù)據(jù)，發(fā)現(xiàn)新的特殊天體和物理規(guī)律。天體光譜數(shù)據(jù)的智能處理正由傳統(tǒng)機(jī)器學(xué)習(xí)方法逐步轉(zhuǎn)向深度學(xué)習(xí)[1-3]，主要采用基于計(jì)算機(jī)視覺的技術(shù)手段。文[1]提出了使用5層卷積神經(jīng)網(wǎng)絡(luò)估計(jì)大氣參數(shù)的方法。文[2]提出使用自編碼算法的神經(jīng)網(wǎng)絡(luò)對(duì)斯隆數(shù)字巡天(Sloan Digital Sky Survey，SDSS)光譜進(jìn)行恒星大氣物理參數(shù)的估計(jì)。文[3]提出使用深度神經(jīng)網(wǎng)絡(luò)模型并構(gòu)造分類器對(duì)光譜進(jìn)行分類。文[4]提出使用卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)太陽黑子。深度學(xué)習(xí)方法較機(jī)器學(xué)習(xí)在處理天體光譜數(shù)據(jù)上的精度、魯棒性和泛化性都有明顯提升。

大天區(qū)面積多目標(biāo)光纖光譜天文望遠(yuǎn)鏡(The Large Sky Area Multi-Object Fibre Spectroscopic Telescope，LAMOST，又叫郭守敬望遠(yuǎn)鏡)是一架新型的大視場(chǎng)兼?zhèn)浯罂趶酵h(yuǎn)鏡，在大規(guī)模光學(xué)光譜觀測(cè)和大視場(chǎng)天文學(xué)研究方面居國(guó)際領(lǐng)先地位。郭守敬望遠(yuǎn)鏡是世界上光譜獲取率最高的望遠(yuǎn)鏡，每個(gè)觀測(cè)夜采集萬余條光譜。截止LAMOST DATA RELEASE 5 v1，已產(chǎn)生900多萬條光譜。光譜類別的劃分是所有天文研究的前提，正確的分類可以減少天文學(xué)家對(duì)數(shù)據(jù)的篩選、清洗工作，同時(shí)可以提高郭守敬望遠(yuǎn)鏡數(shù)據(jù)的使用效率。光譜自動(dòng)分類是從上千維的光譜數(shù)據(jù)中選擇和提取對(duì)分類識(shí)別最有效的特征構(gòu)建特征空間。……