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

Résumé technique : La photométrie suffit : la classification des supernovae comme problème de mélange

Énoncé du problème
L'avènement de relevés photométriques à grande échelle, tels que l'installation Zwicky Transient Facility (ZTF) et le futur Observatoire Vera C. Rubin (LSST), a créé un goulot d'étranglement en astronomie des transitoires : l'incapacité de suivre spectroscopiquement les millions de candidats supernovae (SN) détectés. Bien que la spectroscopie reste l'étalon-or pour la classification, elle est irréalisable pour la grande majorité des transitoires (>90 %). Les approches actuelles d'apprentissage automatique pour la classification des SN reposent souvent sur l'apprentissage supervisé, nécessitant de grands ensembles de données d'entraînement étiquetés, spécifiques aux paramètres observationnels d'un relevé particulier. Cela crée des défis majeurs concernant le « décalage de domaine » (l'incapacité d'appliquer un modèle entraîné sur un jeu de données à un autre) et le déséquilibre des classes (où les SN Ia surpassent largement les SN Ibc). Par conséquent, il existe un besoin de méthodes de classification évolutives et robustes qui reposent uniquement sur les courbes de lumière photométriques, sans nécessiter de données d'entraînement étiquetées ni de suivi spectroscopique pour les objets individuels.

Méthodologie
Les auteurs proposent un cadre novateur qui traite la classification des SN comme un problème de mélange au niveau de la population plutôt que comme une tâche de classification d'objets individuels. La méthodologie se déroule en trois étapes principales :

1. Ajustement des courbes de lumière : Les auteurs utilisent un modèle semi-analytique « Arnett », qui décrit la luminosité des SN comme étant alimentée par la désintégration radioactive du $^{56}\text{Ni}$ et du $^{56}\text{Co}$. Ils ajustent ce modèle aux courbes de lumière photométriques (spécifiquement les bandes $g$ et $r$) du relevé Bright Transient Survey (BTS) du ZTF. Le processus d'ajustement optimise quatre paramètres : la vitesse d'éjection ($v_{ej}$), la masse d'éjection ($M_{ej}$), la fraction de $^{56}\text{Ni}$ initial ($f_{Ni}$) et le temps d'explosion ($t_{exp}$). Les auteurs ont constaté que l'utilisation de l'ensemble complet des paramètres dans un modèle de mélange gaussien (GMM) était computationnellement difficile et moins efficace ; ils ont donc sélectionné un sous-ensemble de deux paramètres — $\log_{10}(v_{ej})$ et $\log_{10}(f_{Ni})$ — qui offraient le meilleur pouvoir discriminatoire entre les SN Ia et les SN Ibc.

2. Modélisation par mélange gaussien (GMM) : Les distributions des paramètres ajustés ($\log_{10}(v_{ej})$ et $\log_{10}(f_{Ni})$) sont modélisées comme un mélange de deux distributions gaussiennes multivariées, représentant les deux populations de SN. Le modèle est paramétré par une fraction de mélange $\alpha$ (la fraction de SN Ibc) et les vecteurs de moyenne et les matrices de covariance des deux composantes. L'algorithme de maximisation de l'espérance (EM) est utilisé pour optimiser ces paramètres. Pour éviter les minima locaux, les auteurs initialisent le GMM en utilisant un clustering KMeans 2D et répètent l'ajustement 30 fois avec différentes initialisations, en sélectionnant le résultat ayant la vraisemblance logarithmique la plus élevée.

3. Classification et validation : Une fois le GMM ajusté, les objets individuels sont classés en fonction de la probabilité a posteriori ($\gamma$) d'appartenir à la composante SN Ia. Les objets avec $\gamma_{Ia} \geq 0,5$ sont classés comme SN Ia. La méthode a été testée dans trois scénarios de décalage vers le rouge : (a) en utilisant des décalages vers le rouge spectroscopiques de référence, (b) en utilisant des décalages vers le rouge photométriques simulés (avec des bornes larges) et (c) en supposant aucune information sur le décalage vers le rouge. De plus, les auteurs ont exploré un scénario « 10 % connus » où 10 % de la population possédait des étiquettes spectroscopiques connues pour tester si une supervision partielle améliorait les performances.

Résultats clés

• Haute précision sans étiquettes : La méthode atteint une précision de classification de $\geq 90\%$ pour les SN Ia et les SN Ibc sur une gamme de fractions de mélange de population (0,1 à 0,5) sans nécessiter de données d'entraînement étiquetées.
• Sensibilité au décalage vers le rouge : Les modèles utilisant des décalages vers le rouge spectroscopiques et ceux utilisant des décalages vers le rouge photométriques simulés performant de manière presque identique, maintenant tous deux une haute précision ($\geq 90\%$). En revanche, le cas « sans décalage vers le rouge » performe nettement moins bien, sous-estimant souvent fortement la fraction de mélange et faisant chuter la précision jusqu'à 50 %.
• Impact des étiquettes connues : L'inclusion de 10 % d'étiquettes spectroscopiques connues apporte une amélioration négligeable pour les cas de décalages vers le rouge spectroscopiques et photométriques. Cependant, pour le cas « sans décalage vers le rouge », l'ajout de 10 % d'étiquettes connues améliore considérablement les performances, portant la précision à $\geq 80\%$.
• Pureté et complétude : Pour les cas de décalages vers le rouge spectroscopiques et photométriques, le modèle atteint une pureté et une complétude d'environ 90 % pour les SN Ia et d'environ 80 % pour les SN Ibc. Le modèle montre un léger biais vers la sur-classification des SN en Ibc aux faibles fractions d'Ibc, conduisant à une pureté Ia légèrement supérieure à la pureté Ibc.
• Sélection des paramètres : Les auteurs ont constaté que l'ajustement simultané de tous les paramètres des modèles Arnett et SALT2 (en utilisant une matrice de covariance diagonale) n'améliorait pas les performances et, dans certains cas, diluait le signal des caractéristiques les plus discriminantes. Le sous-ensemble à deux paramètres ($\log_{10}(v_{ej})$ et $\log_{10}(f_{Ni})$) s'est avéré optimal.

Signification et affirmations
L'article affirme que « la photométrie suffit » pour classer de manière fiable les SN Ia et Ibc, à condition que des informations sur le décalage vers le rouge (même des estimations photométriques approximatives) soient disponibles. La signification principale de ce travail réside dans sa capacité à :

1. Éliminer le besoin de données d'entraînement étiquetées : En présentant le problème comme un problème de mélange de population, la méthode évite les problèmes de décalage de domaine inhérents à l'apprentissage supervisé, permettant son application à tout jeu de données de relevé où la classe majoritaire est connue mais où les étiquettes individuelles ne le sont pas.
2. Permettre la caractérisation de la population : La méthode ne classe pas seulement les objets individuels, mais contraint également la fraction de mélange de la population, ce qui est crucial pour l'estimation des paramètres cosmologiques où la contamination par les SN Ibc peut biaiser les calculs de module de distance.
3. Fournir une solution évolutive : L'approche est robuste aux changements de paramètres de relevé et de fractions de mélange, la rendant adaptée aux jeux de données massifs attendus de l'ère du LSST.

Les auteurs notent que, bien que la méthode soit robuste, elle nécessite l'ajustement d'un modèle de courbe de lumière pour chaque objet, ce qui est computationnellement plus intensif qu'un simple passage avant d'un réseau de neurones. Ils suggèrent que ce goulot d'étranglement pourrait être atténué à l'avenir en utilisant une inférence basée sur la simulation pour prédire directement les paramètres d'ajustement, bien que cela réintroduirait des exigences d'entraînement spécifiques au domaine. De plus, les auteurs mettent en garde contre le fait que permettre aux paramètres d'ajustement d'atteindre des valeurs non physiques (par exemple, $f_{Ni} > 1$) améliore la discrimination statistique mais rend ces valeurs de paramètres spécifiques dénuées de sens physique pour l'étude de la physique intrinsèque.