The Impact of Host Galaxy Properties on Supernova Classification with Hierarchical Labels

Resumen Técnico: El impacto de las propiedades de la galaxia anfitriona en la clasificación de supernovas con etiquetas jerárquicas

Planteamiento del problema
Con la inminente llegada del Legacy Survey of Space and Time (LSST) del Observatorio Vera C. Rubin, se proyecta que la tasa de descubrimiento de supernovas (SNe) superará en tres órdenes de magnitud la tasa de seguimiento espectroscópico. Actualmente, solo el $\sim10\%$ de las SNe reciben clasificación espectroscópica, una cifra que se espera caiga a $\lesssim0.1\%$ sin recursos adicionales. Esta disparidad requiere clasificadores fotométricos robustos capaces de seleccionar eventos para seguimiento en tiempo real y permitir estudios de población de archivo. Si bien la clasificación fotométrica basada en curvas de luz está establecida, la utilidad de la información contextual de la galaxia anfitriona permanece subexplorada, particularmente en lo que respecta a su capacidad para mejorar la precisión de la clasificación en ausencia de datos de desplazamiento al rojo (redshift) y su interacción con las taxonomías jerárquicas.

Metodología
Los autores utilizan una muestra de 557 SNe identificadas espectroscópicamente del Pan-STARRS Medium Deep Survey (PS1-MDS), que comprende cinco clases: Tipo Ia, Tipo II, Tipo IIn, Tipo Ib/c y SNe superluminosas (SLSNe) de Tipo I. Esta muestra sirve como un análogo realista para los datos de LSST en términos de cadencia y profundidad.

• Conjuntos de características: El estudio evalúa seis configuraciones distintas de clasificadores utilizando un Perceptrón Multicapa (MLP):

  1. Solo características de la galaxia anfitriona (sin redshift).
  2. Características de la galaxia anfitriona + redshift.
  3. Solo características de la curva de luz (sin redshift).
  4. Características de la curva de luz + redshift.
  5. Características de la galaxia anfitriona + características de la curva de luz (sin redshift).
  6. Características de la galaxia anfitriona + características de la curva de luz + redshift.

  Las características de la galaxia anfitriona se extraen mediante el pipeline FLEET e incluyen magnitudes, radios, desplazamientos de separación y puntuaciones de probabilidad derivadas de los datos del sondeo Pan-STARRS 3$\pi$. Las características de la curva de luz se obtienen de SuperRAENN, incluyendo características de autoencoder no lineales, tiempos de ascenso/descenso y magnitudes pico.

• Arquitectura de clasificación: Los autores introducen una función objetivo novedosa, la Entropía Cruzada Jerárquica Ponderada (WHXE), para abordar la naturaleza jerárquica de la taxonomía de las SNe (por ejemplo, distinguir entre Colapso del Núcleo y Termonuclear antes de subclasificar). La estructura de grafo incluye un nodo raíz ("Supernova"), que se ramifica en Tipo Ia y Colapso del Núcleo, con subdivisiones posteriores para las clases ricas en H (Tipo II) y pobres en H (Tipo Ib/c, SLSN). La función de pérdida WHXE penaliza las clasificaciones erróneas basadas en su distancia en la jerarquía, fomentando que el modelo ubique los objetos en la categoría más amplia correcta, incluso si la subclase específica es incorrecta.

• Entrenamiento: El MLP se entrena con el optimizador Adam mediante la optimización de hiperparámetros (tasa de aprendizaje, tamaño de lote, ponderación jerárquica $\alpha$ y número de neuronas). Los datos faltantes se gestionan mediante imputación K-means.

Resultados Clave
El rendimiento de los clasificadores se evalúa utilizando pureza, completitud y puntuaciones F1 a través de tareas de clasificación de cinco vías, tres vías y binarias.

1. Información de la galaxia anfitriona por sí sola:

   • SNe Tipo Ia: Las propiedades de la galaxia anfitriona por sí solas pueden aislar muestras relativamente puras ($>90\%$) de SNe Tipo Ia, incluso sin información de redshift.
   • SNe de Colapso del Núcleo: Con información de redshift, las propiedades de la anfitriona permiten la producción de muestras algo puras ($>70\%$) de SNe Tipo II y SLSNe.
   • Limitaciones: Sin redshift, la clasificación de SNe Tipo IIn y Tipo Ib/c utilizando solo las propiedades de la anfitriona sigue siendo deficiente (pureza $\lesssim0.2$).

2. Impacto del Redshift:

   • Sin Redshift: Las propiedades de la galaxia anfitriona aumentan significativamente la precisión de la clasificación fotométrica en todos los subtipos. En ausencia de redshift, las características de la galaxia están entre las 10 características más importantes en un análisis de Random Forest.
   • Con Redshift: Cuando se dispone de curvas de luz completas e información de redshift, añadir las propiedades de la galaxia anfitriona no mejora significativamente la precisión de la clasificación para la mayoría de los subtipos. La única mejora estadísticamente significativa es un ligero aumento en la pureza de las SNe Tipo Ib/c, aunque esto viene acompañado de una disminución marginal en la completitud.

3. Clasificación Jerárquica:

   • La función objetivo WHXE entrena con éxito un clasificador multicapa. En la clasificación binaria (Tipo Ia vs. Colapso del Núcleo), el clasificador basado solo en la anfitriona alcanza un $\sim74\%$ de precisión con redshift, igualando los resultados del estado del arte.
   • En la clasificación de tres vías (Tipo Ia, Rico en H, Envoltura Desnudada), el clasificador basado solo en la anfitriona logra una puntuación F1 de 0.54 con redshift, superando la literatura previa que dependía de curvas de luz tempranas.

4. Aplicación al PS1-MDS:

   • Los autores aplican su clasificador independiente de redshift a 4,407 transitorios similares a SNe del PS1-MDS que carecen de redshift espectroscópico.
   • Discrepancias: El nuevo clasificador muestra un fuerte acuerdo ($>80\%$) con clasificadores previos (SuperRAENN, SuperPhot) para SNe Tipo Ia y Tipo II. Sin embargo, el acuerdo es significativamente menor para SLSNe y SNe Tipo IIn. Notablemente, muchos objetos previamente clasificados como SLSNe son reclasificados como Tipo Ia o AGN por el nuevo modelo, lo que sugiere que, sin redshift, los clasificadores fotométricos luchan por producir muestras puras y consistentes de SLSN.

Significancia y Reivindicaciones
El artículo afirma proporcionar la primera aplicación formal de la función de pérdida de Entropía Cruzada Jerárquica Ponderada a la clasificación de supernovas, ofreciendo una cuenta más natural de la taxonomía jerárquica de los transitorios.

La principal contribución científica es la cuantificación de la utilidad de la galaxia anfitriona:

• La información de la galaxia anfitriona es una herramienta poderosa para aislar SNe Tipo Ia y distinguir eventos de Colapso del Núcleo de Termonucleares, incluso en ausencia de redshift.
• Sin embargo, para la subtipificación detallada (por ejemplo, distinguir entre Ib/c o II e identificar SLSNe) cuando se dispone de curvas de luz completas y redshifts, las propiedades de la galaxia anfitriona ofrecen rendimientos decrecientes.
• El estudio destaca la necesidad crítica de redshifts fotométricos precisos y técnicas de asociación de anfitriona robustas (como GHOST) para maximizar la eficiencia de la clasificación en la era de LSST.
• Finalmente, el trabajo sirve como una nota de cautela para los estudios de población: el acuerdo entre diferentes clasificadores fotométricos es altamente variable, particularmente para clases raras como las SLSNe, lo que requiere una calibración cuidadosa de la confianza de la clasificación y la corrección de sesgos.