YOLO-CIANNA: Galaxy detection with deep learning in radio data: II. Winning the SKA SDC2 using a generalized 3D-YOLO network

1. Problema y Contexto

La próxima generación de telescopios de radio, específicamente el Square Kilometre Array (SKA), generará volúmenes de datos masivos y de alta dimensionalidad (cubos de datos hiperespectrales 3D). Los pipelines de procesamiento de datos clásicos tienen dificultades para escalar a estas tasas de datos y manejar la complejidad de los datos ruidosos.

El Desafío de Datos Científicos 2 (SDC2) del Observatorio SKA (SKAO) presentó un reto para la detección y caracterización de galaxias en cubos de datos simulados de emisión de Hidrógeno Neutro (HI). El objetivo era identificar fuentes galácticas y medir sus propiedades (posición, flujo, tamaño, ancho de línea, etc.) en un entorno con ruido térmico, artefactos instrumentales e interferencia de radiofrecuencia (RFI).

2. Metodología: YOLO-CIANNA 3D

El equipo MINERVA propone una extensión de su método anterior (Paper I) para datos 3D, basándose en una arquitectura de Red Neuronal Convolucional (CNN) totalmente convolucional inspirada en YOLO (You Only Look Once), pero adaptada para la astronomía.

A. Generalización a 3D

• Entrada: Se utilizan subcubos de datos de 64 × 64 × 256 píxeles/canales.
• Arquitectura: Se diseñó un backbone (columna vertebral) 3D personalizado con 23 capas convolucionales. A diferencia de las CNN 2D estándar que tratan el tercer eje como canales independientes, este modelo procesa las tres dimensiones (dos espaciales y una espectral) simultáneamente.
• Filtros Anisotrópicos: Se utilizan filtros y strides (pasos) anisotrópicos para adaptarse a la distribución de la señal, que es muy diferente en el eje de frecuencia (canal) comparado con los ejes espaciales del cielo.
• Salida: La red mapea la entrada a una cuadrícula de detección 3D (8×8×16). Cada unidad de detección predice:
  • Coordenadas del centro de la caja (x, y, z).
  • Tamaño de la caja (w, h, d).
  • Probabilidad de detección y puntuación de "objetividad" (objectness).
  • Parámetros físicos de la galaxia: Flujo integrado ($f$), tamaño HI ($S$), ancho de línea ($w_{20}$), ángulo de posición ($PA$) e inclinación ($i$).

B. Preprocesamiento y Selección de Datos

• Normalización: Se aplica una transformación hiperbólica tangente escalada ($\tanh$) para mejorar el contraste de la señal y normalizar el ruido.
• Función de Selección de Detectabilidad: Dado que el catálogo de verdad (truth catalog) contiene muchas fuentes indetectables (~85%), se definió una función de selección basada en el flujo integrado y el brillo volumétrico para crear un conjunto de entrenamiento limpio.
• Estrategia de Bootstrapping: Para superar las limitaciones de la selección inicial, se empleó un proceso iterativo:
  1. Entrenar un modelo base (BASE).
  2. Usar el modelo para detectar fuentes adicionales en los datos de entrenamiento que no estaban en el catálogo original pero que el modelo considera detectables.
  3. Refinar la función de selección y reentrenar (modelos BT1, BT2, BT3). Esto permitió incluir fuentes más tenues en el entrenamiento progresivamente.

C. Pipeline de Predicción

• El cubo principal (MAIN) se divide en superposiciones para asegurar que las fuentes no se corten.
• Se aplica supresión de no máximos (NMS) en 3D utilizando la métrica DIoU (Distance-aware Intersection over Union) para filtrar duplicados.
• Se optimiza el umbral de confianza (objectness) por bandas de frecuencia para maximizar la puntuación final.

3. Contribuciones Clave

1. Generalización 3D de YOLO-CIANNA: Adaptación exitosa de un detector de objetos 2D a un espacio 3D hiperespectral, incluyendo la predicción de parámetros físicos específicos de la astronomía de radio.
2. Arquitectura CNN 3D Personalizada: Desarrollo de un backbone eficiente (3.35 millones de parámetros) que supera a las arquitecturas genéricas pre-entrenadas, optimizado específicamente para la morfología de las fuentes HI.
3. Estrategia de Bootstrapping: Una metodología innovadora para refinar automáticamente el conjunto de datos de entrenamiento, permitiendo al modelo aprender de fuentes más débiles que inicialmente no se consideraban detectables.
4. Eficiencia Computacional: El método procesa el cubo completo de ~1 TB en solo 30 minutos utilizando una sola GPU (RTX 6000 Ada).

4. Resultados

El método YOLO-CIANNA v1.0 (versión BT1) logró resultados superiores a cualquier otro participante en el SDC2, incluyendo al equipo ganador original (MINERVA v0.1) y a métodos clásicos como SoFiA.

• Puntuación Global: Mejoró la puntuación del desafío original en un 9.5% (alcanzando 25,453 puntos), superando al segundo mejor equipo en un 13.2%.
• Precisión y Pureza:
  • Logró una pureza de detección del 92.3% (y hasta 99.1% con umbrales optimizados).
  • Contiene un 45% más de fuentes confirmadas que las herramientas de detección clásicas concurrentes.
• Caracterización: Obtuvo la mejor puntuación de caracterización de la clase (promedio $\bar{s} = 0.8298$), superando a los métodos clásicos en la precisión de parámetros como el flujo, el tamaño y el ancho de línea.
• Velocidad: Procesamiento de 315 millones de vóxeles por segundo.

5. Significado y Conclusiones

• Validación de DL en Radioastronomía: El éxito demuestra que las redes neuronales 3D convolucionales son superiores a los métodos clásicos para extraer patrones complejos en datos hiperespectrales ruidosos, especialmente para fuentes débiles.
• Preparación para el SKA: Este trabajo sienta las bases para la aplicación de estas técnicas en datos reales de precursores del SKA (como LADUMA y WALLABY) y eventualmente en los datos del propio SKA.
• Desafíos Futuros: Se destaca la necesidad de calibrar estos modelos con datos observacionales reales (etiquetados) para mitigar sesgos inherentes a las simulaciones. Se propone el uso de estrategias de aprendizaje por transferencia y bootstrapping para adaptar los modelos a nuevos instrumentos.
• Impacto Ambiental: A pesar de la potencia de cálculo requerida, el impacto de carbono estimado es relativamente bajo (~104 kg de CO2-e) gracias a la eficiencia del modelo.

En resumen, el artículo presenta un avance significativo en el análisis de datos astronómicos, demostrando que el aprendizaje profundo, cuando se adapta cuidadosamente a la física de los datos (morfología 3D, ruido, instrumentación), puede superar drásticamente a los métodos tradicionales en tareas de detección y caracterización de galaxias.