Anomaly Detection and Approximate Similarity Searches of Transients in Real-time Data Streams
Notice bibliographique
Résumé
This is the official Zenodo version of the code LAISS (Lightcurve Anomaly Identification and Similarity Search), associated with the paper, "Anomaly Detection and Approximate Similarity Searches of Transients in Real-time Data Streams" by Aleo et al (in review). This repository contains all datasets and code needed to run a local instance of LAISS, though slight modifications will be needed (e.g., renaming hard-coded file paths). See Aleo et al. for details on the LAISS pipeline, now on arXiv and currently submitted to The Astrophysical Journal. The live version of the code can be found on Github. Moreover, the results of all objects processed by LAISS via the ANTARES broker is available on the main page and selecting “LAISS_RFC_AD_filter” under ‘Tags’. Those we consider anomalies are objects that have a Locus Property feature “LAISS_RFC_anomaly_score” > 0.5. Note that the version on ANTARES has no similarity search functionality.A demo can be found on Google Colab, written by current code maintainer Alex Gagliano.Below we list the files with a brief description: "LAISS_ANNOY_pseudo_Filter.ipynb" -- The notebook version of LAISS. Preferred method because it doesn't need to reload the large .ann files for each instance. "LAISS.py" -- The .py version of LAISS. Same functionality but a little slower because of the many arguments and longer runtimes due to needing to reload the .ann files for each run. Can be run, e.g., withLAISS(l_or_ztfid_ref="ZTF18abydmfv", lc_and_host_features=lc_and_host_features, n=8, use_lc_for_ann_only_bool=True, use_ysepz_phot_snana_file=False, show_lightcurves_grid=False, show_hosts_grid=False, run_AD_model=False, savetables=False, savefigs=False) "*.ann" & "*.npy"-- The ANNOY index files, used for similarity search functionality."*.csv.gz" -- Datafiles with objects (rows) and light curve + host features (columns), used for anomaly detection and similarity search functionality. NOTE: With either choice of running LAISS, you'll need to add the following hardcoded directories (or manually change the filepaths). See Github for directory structure:tables/custom/timeseries/notebooks/ysepz_snana_phot_files/notebooks/LAISS_run/loci_dbs/alerce_cut/ps1_psc/ps1_cutouts/dataframes/RFC/SMOTE_train_test_70-30_min14_kneighbors8/cls=binary_n_estimators=100_max_depth=35_rs=11_max_feats=35_cw=balanced/figuresRFC/SMOTE_train_test_70-30_min14_kneighbors8/cls=binary_n_estimators=100_max_depth=35_rs=11_max_feats=35_cw=balanced/model
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,015 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».