基于直接成像法的多星系统观测

系外行星直接成像探测能够获取系外行星更全面的物理信息,是未来搜寻系外生命的关键技术之一.针对近期地基望远镜高对比度成像观测数据,对新发现的多星候选体进行系统展示.前期,结合地基系外行星高对比度成像设备观测能力,从已发表文献整理的Gaia星表恒星数据中筛选,得到约1000个观测目标.这些目标分布于不同的年轻星团中.近期,使用Palomar天文台Hale望远镜对上述观测目标中的42个目标在K波段开展了高对比度成像观测.这些目标恒星在可见光波段为7.5-14.2019年经过两轮观测,发现了6个多星系统候选体,这些目标在Gaia Data Release 2星表和Gaia early Data Release 3星表中难以确认是单星还是多星系统.     

基于SE-Inception-v3的星系形态分类模型

随着天文探测技术的快速发展, 海量的星系图像数据不断产生, 能够及时高效地对星系图像进行形态分类对研究星系的形成与演化至关重要. 针对传统的星系形态分类模型特征选择困难、分类速度慢、准确率受限等难题, 提出一种以Inception-v3神经网络为主干结构, 融合压缩激励(Squeeze and Excitation Network, SE)通道注意力机制的星系形态分类模型. 该模型在斯隆数字巡天(Sloan Digital Sky Survey, SDSS)样本的测试集准确率高达99.37%. 旋涡星系、圆形星系、中间星系、雪茄状星系与侧向星系的F1值分别为99.33%、99.58%、99.33%、99.41%与99.16%. 该模型与Inception-v3、MobileNet (Mobile Neural Network)和ResNet (Residual Neural Network)网络模型相比, SE-Inception-v3宽度和深度优势表现出更强的特征提取能力, 可以高效识别不同形态的星系, 为未来大型巡天计划的大规模星系形态分类问题提供了一种新方法.