Needles in a Haystack: Harnessing Machine Learning and Citizen Science to Catch Small Body Activity in Action
Notice bibliographique
Résumé
Active asteroids—hybrid objects that exhibit characteristics of both asteroids and comets—provide unique insights into solar system evolution and the current distribution of volatiles. However, their apparent rarity (~60 known), coupled with the petabyte-sized haystacks of archival survey data in which they may be hidden, makes detections challenging. This work explores the application of machine learning to constrain populations of active small bodies by increasing the rate of data evaluation. Specifically, we employ convolutional neural networks (CNNs) for object detection and classification, tailored to mirror the workflow of Citizen Scientist volunteers who classify objects of interest from thumbnails of archival data.Trained on a dataset of labeled active small bodies and a large control set of inactive objects, our CNN evaluates image cutouts centered on known small bodies and classifies them based on signs of activity, such as tails or comae. We explore training datasets from both the Canada-France-Hawaii Telescope (CFHT) MegaCam and Subaru Hyper Suprime-Cam (HSC) archives, highlighting the adaptability of the CNN to be retrained and applied to different survey datasets. Our work also evaluates the influence of activity rate among training data in comparison to the predicted activity rate among Main Belt asteroids (1:10,000) and includes a robust response to erroneous thumbnail images.We find that the CNN demonstrates high precision and recall across both CFHT and HSC archives and present our first results of the CNN’s high-confidence detections, whether previously known or not. This work illustrates the potential of machine learning techniques to accelerate discoveries of active small bodies and is intentionally designed to be used alongside proven Citizen Science applications. Combining AI with by-eye evaluation gives us a powerful and versatile tool in the doorway to next-generation surveys like LSST.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».