MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390141517 · doi:10.1051/0004-6361/202346625

Boost recall in quasi-stellar object selection from highly imbalanced photometric datasets

2023· article· en· W4390141517 sur OpenAlexfundno aff
Giorgio Calderone, Francesco Guarneri, Matteo Porru, S. Cristiani, A. Grazian, L. Nicastro, M. Bischetti, K. Boutsia, G. Cupani, V. D’Odorico, C. Feruglio, Fabio Fontanot

Notice bibliographique

RevueAstronomy and Astrophysics · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueGamma-ray bursts and supernovae
Établissements canadiensnon disponible
Organismes subventionnairesPlanetary Science DivisionScience Mission DirectorateJet Propulsion LaboratorySmithsonian Astrophysical ObservatoryMax-Planck-Institut für AstronomieDurham UniversityIstituto Nazionale di AstrofisicaLos Alamos National LaboratoryEuropean Space AgencyJohns Hopkins UniversityMinistero dell’Istruzione, dell’Università e della RicercaGordon and Betty Moore FoundationQueen's University BelfastSpace Telescope Science InstituteUniversity of Notre DameQueen's UniversityOhio State UniversityUniversity of California, Los AngelesMax-Planck-GesellschaftNational Science FoundationUniversity of MinnesotaNational Central UniversityEötvös Loránd TudományegyetemCalifornia Institute of TechnologyNational Aeronautics and Space AdministrationSmithsonian Institution
Mots-clésPhysicsSelection (genetic algorithm)AstrophysicsYoung stellar objectObject (grammar)Artificial intelligenceStarsComputer scienceStar formation

Résumé

récupéré en direct d'OpenAlex

Context. The identification of bright quasi-stellar objects (QSOs) is of fundamental importance to probe the intergalactic medium and address open questions in cosmology. Several approaches have been adopted to find such sources in the currently available photometric surveys, including machine learning methods. However, the rarity of bright QSOs at high redshifts compared to other contaminating sources (such as stars and galaxies) makes the selection of reliable candidates a difficult task, especially when high completeness is required. Aims. We present a novel technique to boost recall (i.e., completeness within the considered sample) in the selection of QSOs from photometric datasets dominated by stars, galaxies, and low-zQSOs (imbalanced datasets). Methods. Our heuristic method operates by iteratively removing sources whose probability of belonging to a noninteresting class exceeds a user-defined threshold, until the remaining dataset contains mainly high-zQSOs. Any existing machine learning method can be used as the underlying classifier, provided it allows for a classification probability to be estimated. We applied the method to a dataset obtained by cross-matching PanSTARRS1 (DR2),Gaia(DR3), and WISE, and identified the high-zQSO candidates using both our method and its direct multi-label counterpart. Results. We ran several tests by randomly choosing the training and test datasets, and achieved significant improvements in recall which increased from ~50% to ~85% for QSOs withz> 2.5, and from ~70% to ~90% for QSOs withz> 3. Also, we identified a sample of 3098 new QSO candidates on a sample of 2.6 ×106sources with no known classification. We obtained follow-up spectroscopy for 121 candidates, confirming 107 new QSOs withz> 2.5. Finally, a comparison of our QSO candidates with those selected by an independent method based onGaiaspectroscopy shows that the two samples overlap by more than 90% and that both selection methods are potentially capable of achieving a high level of completeness.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,019
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0070,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0030,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,228
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAstronomy and Astrophysics→Même sujetGamma-ray bursts and supernovae→Travaux en français237 207→