Transfer learning for transient search with small-field optical survey telescopes

Resumen Técnico: Aprendizaje por Transferencia para la Búsqueda de Transitorios con Telescopios de Sondeo Óptico de Campo Pequeño

Planteamiento del Problema
El advenimiento de los sondeos ópticos automatizados ha hecho necesario el uso de aprendizaje automático (ML) supervisado para buscar eficientemente eventos transitorios. Aunque las Redes Neuronales Convolucionales (CNN) han demostrado ser efectivas para distinguir transitorios reales de artefactos (detecciones falsas o bogus) y para clasificarlos, su despliegue exitoso requiere típicamente de extensos conjuntos de datos de entrenamiento etiquetados manualmente. Los telescopios de sondeo de campo pequeño, como el Telescopio de Espejo Líquido Internacional (ILMT) de 4 m, enfrentan un desafío significativo: carecen del volumen de datos etiquetados requerido para entrenar modelos de aprendizaje profundo robustos desde cero. El entrenamiento con conjuntos de datos insuficientes conlleva el riesgo de sobreajuste (overfitting), donde los modelos funcionan bien en los datos de entrenamiento pero fallan al generalizar ante datos de prueba no vistos. Además, los marcos de trabajo existentes para el ILMT dependen de conjuntos de datos sintéticos, lo que puede introducir sesgos sistemáticos y no capturar la complejidad de los eventos transitorios del mundo real.

Metodología
Este estudio propone la aplicación del Aprendizaje por Transferencia (TL, por sus siglas en inglés) para superar la escasez de datos en el flujo de trabajo de búsqueda de transitorios del ILMT. La metodología consiste en un proceso de dos pasos:

1. Entrenamiento del Modelo de Origen: Primero, se entrena un clasificador basado en CNN en un gran conjunto de datos de "origen" etiquetado, derivado del Zwicky Transient Facility (ZTF). Este conjunto de datos incluye recortes de imágenes (tripletas de ciencia, referencia y estampas de diferencia) etiquetados por el broker ALeRCE. Se desarrollaron tres modelos de origen distintos:
   • Un clasificador binario de real/falso (real/bogus).
   • Un clasificador de alertas de transitorios de 3 clases (Hospedador extendido, Fuente puntual, Huérfano).
   • Un clasificador de alertas de transitorios de 4 clases (Hospedador extendido, Fuente puntual, Huérfano y Falso).
2. Adaptación del Modelo de Destino: Los modelos de origen preentrenados se adaptan al dominio de "destino" (datos del ILMT) mediante el ajuste fino (fine-tuning). Para abordar la diferencia en las escalas de píxeles entre ZTF (1 arcsec/píxel) y ILMT (0.323 arcsec/píxel), las estampas del ILMT se submuestrearon para coincidir con la escala de ZTF.
   • Para el clasificador real/falso, se realizó un ajuste fino de toda la red sobre el conjunto de datos más pequeño del ILMT con una tasa de aprendizaje reducida ($10^{-5}$) para preservar las características generales aprendidas de ZTF mientras se adaptaba a las características específicas del ILMT.
   • Para el clasificador de 3 clases, se empleó un enfoque de "congelación de capas" donde la base convolucional se congeló y solo se entrenaron las capas de clasificación totalmente conectadas.
   • Para el clasificador de 4 clases, la red se ajustó finamente con una tasa de aprendizaje reducida ($5 \times 10^{-5}$).

Los conjuntos de datos de destino se construyeron a partir de ciclos de observación del ILMT (octubre de 2023 – mayo de 2024 para entrenamiento; octubre de 2022 – noviembre de 2022 para prueba) y fueron validados manualmente. Se aplicó aumentación de datos (rotaciones) a las clases subrepresentadas en el conjunto de destino.

Contribuciones Clave

• Prueba de Concepto para TL en Sondeos Pequeños: El artículo demuestra que el conocimiento destilado de sondeos a gran escala (ZTF) puede transferirse efectivamente a instalaciones de campo pequeño (ILMT) para entrenar CNN para la detección y clasificación de transitorios, evitando la necesidad de masivos conjuntos de datos etiquetados locales.
• Marco de Clasificador Dual: El estudio introduce y valida dos tipos de clasificadores de alertas: un modelo de 3 clases para clasificar candidatos "reales" confirmados y un modelo de 4 clases que integra el rechazo de artefactos directamente en la etapa de clasificación.
• Integración Operativa: Los modelos de TL entrenados se integraron con éxito en el flujo de trabajo existente de PyLMT y se desplegaron en imágenes de cuadro completo del ILMT, pasando de la validación teórica a la aplicación operativa.
• Validación Estadística: La efectividad del enfoque de TL se probó rigurosamente contra modelos de referencia (entrenados sin TL) utilizando una prueba t para muestras independientes, confirmando mejoras estadísticamente significativas en el rendimiento.

Resultos
Los modelos fueron evaluados en conjuntos de datos de prueba independientes derivados de ciclos de observación anteriores del ILMT.

• Clasificación Real/Falso: El modelo basado en TL logró una precisión de prueba del 97.3%, superando significativamente al modelo de referencia (entrenado solo con datos del ILMT sin TL) que alcanzó un 90.5%, y al modelo fuente de ZTF aplicado directamente al ILMT (91.5%).
• Clasificación de Alertas de Transitorios:
  • El clasificador de 3 clases logró una precisión del 92.9% con TL, comparado con el 77.3% del modelo de referencia.
  • El clasificador de 4 clases logró una precisión del 85.6% con TL, comparado con el 75.5% del modelo de referencia.
• Significancia Estadística: Las pruebas t para muestras independientes confirmaron que las precisiones medias de los modelos de TL fueron significativamente superiores a las de los modelos de referencia en todos los tipos de clasificadores (valores p $< 0.05$).
• Rendimiento Operativo: Al desplegarse en aproximadamente 300 imágenes de cuadro completo del ILMT, el flujo de trabajo detectó con éxito diversos fenómenos astrofísicos, incluyendo asteroides (magnitud media en banda V ~20), estrellas variables, AGNs y candidatos a supernovas (ej. AT 2024abso, AT 2025chp).

Significancia y Reivindicaciones
Los autores posicionan este trabajo como una prueba de concepto para mejorar la detección de transitorios en sondeos de campo pequeño, más que como un reemplazo inmediato de los esquemas existentes. El artículo sostiene que las firmas fundamentales a nivel de imagen de los transitorios genuinos y de los artefactos de sustracción son mayoritariamente transferibles entre sondeos ópticos cuando se mitigan las diferencias de dominio (como la escala de píxeles).

La principal significancia radica en la capacidad de los sondeos pequeños para aprovechar el conocimiento de las instalaciones a gran escala para acelerar el despliegue de flujos de trabajo de transitorios fiables sin tener que esperar años para acumular suficientes datos etiquetados. Los autores señalan que incluso las ganancias modestas en la discriminación real/falso pueden reducir sustancialmente la carga de validación manual, lo cual es crítico para los sondeos pequeños con recursos humanos limitados. Sin embargo, el artículo reconoce modestamente las limitaciones, incluyendo el tamaño relativamente pequeño del conjunto de datos de destino, la dependencia parcial de fuentes inyectadas para ciertas subclases y el potencial de deriva de datos debido a la evolución de las condiciones de observación, sugiriendo que trabajos futuros deberían explorar marcos de aprendizaje continuo.