欧几里得DR1强透镜建模不再逐张手绘:AstroVink-TREX自动拆分透镜、源与污染,约3000个系统中仅39个因分割失败
核心概要
欧几里得DR1的强引力透镜候选超过15000个,此前每张图像都要由专家手工标出透镜光、被透镜的源光和需要遮蔽的前景污染,无法跟上编目规模。AstroVink-TREX把这一步改为神经网络自动输出三张通量图,并据此给出建模中心、拟合区域和共轭点。在约3000个经专家检查的系统中,按75%检查者一致的门槛,只有39个模型因分割错误而拟合失败。
深度剖析
强引力透镜的质量建模现在可以在欧几里得DR1的整份编目上自动完成图像预处理,透镜光、被透镜的源光和前景污染由网络一次性分开,不再由专家逐张手绘。 此前在欧几里得内部,识别并遮蔽强透镜系统的各个成分完全靠人工,专家要逐个系统标出污染并勾出透镜与源区域,这种做法慢、难以复现且依赖个人判断。 在约3000个经专家检查的DR1系统上,按75%检查者一致的门槛,210个系统被判为失败,其中18.6%归因于分割,即39个模型因分割错误而失败;这一排序在100%、75%和50%一致门槛下保持稳定。
网络输出三张连续通量图,分别对应透镜、源和污染,并直接从这些图推出建模所需的中心、拟合半径、共轭点和二值掩膜。 网络采用混合结构,把复用的AstroVink视觉Transformer编码器与一条并行卷积分支并置,前者负责连接图像中相距较远的弧段,后者保留像素级细节。 训练目标来自377个已用PyAutoLens成功建模的Q1系统,其中302个用于训练、75个用于验证;评估则在DR1的750个候选子集和约3000个系统的专家检查集上进行。
启示与展望
演示范围是欧几里得DR1的强透镜候选:网络在约3000个经专家检查的系统上验证,并为DR1中所有建模系统提供成分分离与建模设置;训练集仅377个由PyAutoLens建模导出的Q1系统。
分割失败主要出现在源结构极暗或系统形态复杂、源与污染难以区分的情形;这些失败可通过比较质量建模重建的透镜与源光同网络预测图来自动标记。网络目前只使用单一波段,加入近红外波段需要改造或重新训练编码器。
