机器学习揭示历史图像中的未知瞬态现象

Source: Hacker News

摘要

在斯普特尼克发射前的天文图像中，出现并在短时间尺度内消失的瞬态、类星点源被描述。我们报告说，瞬态数量在地球阴影中显著减少（阴影缺口），并且更可能出现在核试验前后（±一天）的核窗口内。这些发现仍有争议，有人认为通过现有自动化流水线识别的瞬态仅是玻片缺陷。因此，我们使用机器学习（ML）来提升瞬态识别的准确性并验证该现象。模型使用250对相隔30分钟的瞬态图像进行训练，这些图像经专家目视审查被分类为真实或玻片缺陷；模型展示了良好的判别能力（折叠外 AUC = 0.81；灵敏度 = 0.71，特异度 = 0.71）。在包含107,875个先前识别的瞬态的数据集上部署后，模型为每个瞬态分配了真实概率。控制了 ML 识别的伪影后，核窗口内的日期的瞬态计数显著升高（p = 0.024）；真实概率最高的瞬态更可能出现在核窗口内（p < 0.0001）。阴影缺口显著（p < 0.0001），且在最高概率瞬态相对于低概率瞬态中最为明显（p = 0.003）。结果强有力地支持在历史天文玻片中存在未被识别的瞬态对象群体，值得进一步研究。

View PDF

评论

• 34 页，4 张图

主题

天体物理仪器与方法 (astro‑ph.IM)

引用

arXiv:2604.18799 [astro‑ph.IM]（或 arXiv:2604.18799v2 对应此版本）

DOI

https://doi.org/10.48550/arXiv.2604.18799

提交历史

• v1 – 2026年4月20日 星期一 20:06:47 UTC (600 KB) – 由 Alina Streblyanska 提交
• v2 – 2026年4月22日 星期三 15:59:06 UTC (682 KB) 提交