Photometry is all you need: supernova classification as a mixing problem

Resumen Técnico: La fotometría es todo lo que necesitas: clasificación de supernovas como un problema de mezcla

Enunciado del Problema
La llegada de sondeos fotométricos a gran escala, como la Instalación Transitoria Zwicky (ZTF) y el próximo Observatorio Vera C. Rubin (LSST), ha creado un cuello de botella en la astronomía de transitorios: la incapacidad de realizar seguimientos espectroscópicos de los millones de supernovas candidatas (SNe) que se están detectando. Aunque la espectroscopía sigue siendo el estándar de oro para la clasificación, es inviable para la gran mayoría de los transitorios (>90%). Los enfoques actuales de aprendizaje automático para la clasificación de SNe a menudo dependen del aprendizaje supervisado, lo que requiere grandes conjuntos de entrenamiento etiquetados que son específicos de los parámetros observacionales de un sondeo en particular. Esto genera desafíos significativos en cuanto al "cambio de dominio" (la incapacidad de aplicar un modelo entrenado en un conjunto de datos a otro) y al desequilibrio de clases (donde las SNe Ia superan en número a las SNe Ibc). En consecuencia, existe una necesidad de métodos de clasificación escalables y robustos que dependan exclusivamente de curvas de luz fotométricas sin requerir datos de entrenamiento etiquetados ni seguimientos espectroscópicos para objetos individuales.

Metodología
Los autores proponen un marco novedoso que trata la clasificación de SNe como un problema de mezcla a nivel de población en lugar de una tarea de clasificación de objetos individuales. La metodología procede en tres etapas principales:

1. Ajuste de Curvas de Luz: Los autores utilizan un modelo "Arnett" semianalítico, que describe la luminosidad de las SNe como impulsada por la desintegración radiactiva de $^{56}\text{Ni}$ y $^{56}\text{Co}$. Ajustan este modelo a curvas de luz fotométricas (específicamente los filtros $g$ y $r$) del Sondeo de Transitorios Brillantes de ZTF (BTS). El proceso de ajuste optimiza cuatro parámetros: velocidad de eyección ($v_{ej}$), masa de eyección ($M_{ej}$), la fracción de $^{56}\text{Ni}$ inicial ($f_{Ni}$) y el tiempo de explosión ($t_{exp}$). Los autores encontraron que utilizar el conjunto completo de parámetros en un Modelo de Mezcla Gaussiana (GMM) era computacionalmente desafiante y menos efectivo; en su lugar, seleccionaron un subconjunto de dos parámetros—$\log_{10}(v_{ej})$ y $\log_{10}(f_{Ni})$—que proporcionaron el mejor poder discriminatorio entre SNe Ia y SNe Ibc.

2. Modelado de Mezcla Gaussiana (GMM): Las distribuciones de los parámetros ajustados ($\log_{10}(v_{ej})$ y $\log_{10}(f_{Ni})$) se modelan como una mezcla de dos distribuciones gaussianas multivariadas, que representan las dos poblaciones de SNe. El modelo se parametriza mediante una fracción de mezcla $\alpha$ (la fracción de SNe Ibc) y los vectores de media y las matrices de covarianza de los dos componentes. Se utiliza el algoritmo de Expectación-Maximización (EM) para optimizar estos parámetros. Para evitar mínimos locales, los autores inicializan el GMM utilizando agrupamiento KMeans en 2D y repiten el ajuste 30 veces con diferentes inicializaciones, seleccionando el resultado con la máxima verosimilitud logarítmica.

3. Clasificación y Validación: Una vez ajustado el GMM, los objetos individuales se clasifican en función de la probabilidad posterior ($\gamma$) de pertenecer al componente de SNe Ia. Los objetos con $\gamma_{Ia} \geq 0.5$ se clasifican como SNe Ia. El método se probó bajo tres escenarios de corrimiento al rojo: (a) utilizando corrimientos al rojo espectroscópicos de verdad fundamental, (b) utilizando corrimientos al rojo fotométricos simulados (con límites amplios) y (c) asumiendo ninguna información de corrimiento al rojo. Además, los autores exploraron un escenario de "10% conocido" donde el 10% de la población tenía etiquetas espectroscópicas conocidas para probar si la supervisión parcial mejoraba el rendimiento.

Resultados Clave

• Alta Precisión sin Etiquetas: El método logra una precisión de clasificación de $\geq 90\%$ tanto para SNe Ia como para SNe Ibc en un rango de fracciones de mezcla de población (0.1 a 0.5) sin requerir datos de entrenamiento etiquetados.
• Sensibilidad al Corrimiento al Rojo: Los modelos que utilizan corrimientos al rojo espectroscópicos y aquellos que utilizan corrimientos al rojo fotométricos simulados tienen un rendimiento casi idéntico, manteniendo ambos una alta precisión ($\geq 90\%$). Por el contrario, el caso "sin corrimiento al rojo" tiene un rendimiento significativamente peor, a menudo subestimando fuertemente la fracción de mezcla y reduciendo la precisión hasta tan bajo como el 50%.
• Impacto de las Etiquetas Conocidas: La inclusión del 10% de etiquetas espectroscópicas conocidas proporciona una mejora insignificante para los casos de corrimiento al rojo espectroscópico y fotométrico. Sin embargo, para el caso "sin corrimiento al rojo", agregar el 10% de etiquetas conocidas mejora significativamente el rendimiento, elevando la precisión a $\geq 80\%$.
• Pureza y Completitud: Para los casos de corrimiento al rojo espectroscópico y fotométrico, el modelo logra una pureza y completitud de $\sim90\%$ para SNe Ia y de $\sim80\%$ para SNe Ibc. El modelo muestra un ligero sesgo hacia la sobreclasificación de SNe como Ibc en fracciones bajas de Ibc, lo que conduce a una pureza de Ia ligeramente mayor que la pureza de Ibc.
• Selección de Parámetros: Los autores encontraron que ajustar todos los parámetros de los modelos Arnett y SALT2 simultáneamente (utilizando una matriz de covarianza diagonal) no mejoró el rendimiento y, en algunos casos, diluyó la señal de las características más discriminatorias. El subconjunto de dos parámetros ($\log_{10}(v_{ej})$ y $\log_{10}(f_{Ni})$) resultó óptimo.

Significado y Afirmaciones
El artículo afirma que "la fotometría es todo lo que necesitas" para clasificar de manera confiable las SNe Ia e Ibc, siempre que se disponga de información de corrimiento al rojo (incluso estimaciones fotométricas aproximadas). El significado principal de este trabajo radica en su capacidad para:

1. Eliminar la necesidad de datos de entrenamiento etiquetados: Al plantear el problema como un problema de mezcla de poblaciones, el método evita los problemas de cambio de dominio inherentes al aprendizaje supervisado, permitiendo su aplicación a cualquier conjunto de datos de sondeo donde se conozca la clase mayoritaria pero no las etiquetas individuales.
2. Permitir la caracterización de poblaciones: El método no solo clasifica objetos individuales, sino que también restringe la fracción de mezcla de la población, lo cual es crítico para la estimación de parámetros cosmológicos donde la contaminación de SNe Ibc puede sesgar los cálculos del módulo de distancia.
3. Proporcionar una solución escalable: El enfoque es robusto ante cambios en los parámetros del sondeo y las fracciones de mezcla, lo que lo hace adecuado para los conjuntos de datos masivos esperados en la era del LSST.

Los autores señalan que, aunque el método es robusto, requiere ajustar un modelo de curva de luz para cada objeto, lo cual es computacionalmente más intensivo que un simple paso adelante de una red neuronal. Sugieren que este cuello de botella podría mitigarse en el futuro utilizando inferencia basada en simulaciones para predecir directamente los parámetros de ajuste, aunque esto reintroduciría requisitos de entrenamiento específicos del dominio. Además, los autores advierten que permitir que los parámetros de ajuste alcancen valores no físicos (por ejemplo, $f_{Ni} > 1$) mejora la discriminación estadística pero hace que esos valores específicos de parámetros carezcan de significado físico para el estudio de la física intrínseca.