<tt> <scp>PyLMT</scp> </tt>: a transient detection pipeline for the 4-m International Liquid Mirror Telescope
Notice bibliographique
Résumé
ABSTRACT The International Liquid Mirror Telescope (ILMT) is a 4-m aperture, zenith-pointing telescope with a field of view of 22$^{\prime }$, situated in the foothills of the Himalayas. The telescope operates in continuous survey mode, making it a useful instrument for time-domain astronomy, particularly for detecting transients, variable stars, active galactic nuclei variability, and asteroids. This paper presents thePyLMT transient detection pipeline to detect such transient/varying sources in the ILMT images. The pipeline utilizes the image subtraction technique to compare a pair of images from the same field, identifying such sources in subtracted images with the help of convolutional neural network (CNN)-based real/bogus classifiers. The test accuracies determined for the real/bogus classifiers ranged from 94 per cent to 98 per cent. The resulting precision of the pipeline calculated over candidate alerts in the ILMT frames is 0.91. It also houses a CNN-aided transient candidate classifier that classifies the transient/variable candidates based on host morphology. The test accuracy of the candidate classifier is 98.6 per cent. It has the provision to identify catalogued asteroids and other Solar system objects using public data bases. The median execution time of the pipeline is approximately 29 min per image of 17 min exposure. Relevant CNNs have been trained on data acquired with the ILMT during the cycle of 2022 October–November. Subsequent tests on those images have confirmed the detection of numerous catalogued asteroids, variable stars, and other uncatalogued sources. The pipeline has been operational and has detected 12 extragalactic transients, including 2 new discoveries in the 2023 November–2024 May observation cycle.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,008 |
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 ».