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

Sintesi Tecnica: Transfer Learning per la Ricerca di Transienti con Telescopi di Survey Ottici a Campo Piccolo

Definizione del Problema
L'avvento di survey ottiche automatizzate ha reso necessario l'uso dell'apprendimento automatico supervisionato (ML) per ricercare efficientemente eventi transienti. Sebbene le Reti Neurali Convoluzionali (CNN) si siano dimostrate efficaci nel distinguere i transienti reali dagli artefatti (rilevazioni "bogus") e nel classificarli, il loro dispiegamento efficace richiede tipicamente estesi dataset di addestramento etichettati manualmente. I telescopi di survey a campo piccolo, come il telescopio internazionale a specchio liquido (ILMT) da 4 m, affrontano una sfida significativa: mancano del volume di dati etichettati richiesto per addestrare modelli di deep learning robusti da zero. L'addestramento su dataset insufficienti rischia l'overfitting, dove i modelli performano bene sui dati di addestramento ma falliscono nel generalizzare su dati di test mai visti. Inoltre, gli attuali framework ILMT si affidano a dataset sintetici, che possono introdurre bias sistematici e non riuscire a catturare la complessità degli eventi transienti reali.

Metodologia
Questo studio propone l'applicazione del Transfer Learning (TL) per superare la scarsità di dati nella pipeline di ricerca dei transienti dell'ILMT. La metodologia prevede un processo in due fasi:

1. Addestramento del Modello Sorgente: Una classificatrice basata su CNN viene prima addestrata su un ampio dataset "sorgente" etichettato derivato dal Zwicky Transient Facility (ZTF). Questo dataset include ritagli di immagini (triplette di stamp: scienza, riferimento e differenza) etichettati dal broker ALeRCE. Sono stati sviluppati tre distinti modelli sorgente:
   • Un classificatore binario reale/bogus (reale/falso positivo).
   • Un classificatore di alert transienti a 3 classi (Extended-host, Point-source, Orphan).
   • Un classificatore di alert transienti a 4 classi (Extended-host, Point-source, Orphan e Bogus).
2. Adattamento del Modello Target: I modelli sorgente pre-addestrati vengono adattati al dominio "target" (dati ILMT) tramite fine-tuning. Per affrontare la differenza nelle scale di pixel tra ZTF (1 arcsec/pixel) e ILMT (0.323 arcsec/pixel), gli stamp ILMT sono stati sottocampionati (downsampled) per corrispondere alla scala ZTF.
   • Per il classificatore reale/bogus, l'intera rete è stata sottoposta a fine-tuning sul dataset più piccolo dell'ILMT con un tasso di apprendimento ridotto ($10^{-5}$) per preservare le caratteristiche generali apprese da ZTF pur adattandosi alle caratteristiche specifiche dell'ILMT.
   • Per il classificatore a 3 classi, è stato impiegato un approccio di "congelamento dei livelli" (layer freezing) in cui la base convoluzionale è stata congelata e solo i livelli del classificatore completamente connessi sono stati addestrati.
   • Per il classificatore a 4 classi, la rete è stata sottoposta a fine-tuning con un tasso di apprendimento ridotto ($5 \times 10^{-5}$).

I dataset target sono stati costruiti a partire dai cicli di osservazione ILMT (ottobre 2023 – maggio 2024 per l'addestramento; ottobre 2022 – novembre 2022 per il test) e sono stati verificati manualmente. L'aumento dei dati (rotazioni) è stato applicato alle classi sotto-rappresentate nel set target.

Contributi Chiave

• Prova di Concetto per il TL in Survey di Piccola Scala: Il documento dimostra che la conoscenza distillata da survey su larga scala (ZTF) può essere trasferita efficacementamente a strutture a campo piccolo (ILMT) per addestrare CNN per la rilevazione e classificazione di transienti, bypassando la necessità di massicci dataset locali etichettati.
• Framework a Doppio Classificatore: Lo studio introduce e valida due tipi di classificatori di alert: un modello a 3 classi per classificare i candidati confermati "reali" e un modello a 4 classi che integra il rifiuto degli artefatti direttamente nella fase di classificazione.
• Integrazione Operativa: I modelli TL addestrati sono stati integrati con successo nella pipeline PyLMT esistente e distribuiti su immagini full-frame dell'ILMT, passando dalla validazione teorica all'applicazione operativa.
• Validazione Statistica: L'efficacia dell'approccio TL è stata rigorosamente testata contro i modelli baseline (addestrati senza TL) utilizzando un t-test per campioni indipendenti, confermando miglioramenti statisticamente significativi nelle prestazioni.

Risultati
I modelli sono stati valutati su dataset di test indipendenti derivati da precedenti cicli di osservazione ILMT.

• Classificazione Reale/Bogus: Il modello basato su TL ha raggiunto un'accuratezza di test del 97,3%, superando significativamente il modello baseline (addestrato solo su dati ILMT senza TL) che ha raggiunto il 90,5%, e il modello sorgente ZTF applicato direttamente ai dati ILMT (91,5%).
• Classificazione Alert Transienti:
  • Il classificatore a 3 classi ha raggiunto un'accuratezza del 92,9% con il TL, rispetto al 77,3% del baseline.
  • Il classificatore a 4 classi ha raggiunto un'accuratezza dell'85,6% con il TL, rispetto al 75,5% del baseline.
• Significatività Statistica: I t-test per campioni indipendenti hanno confermato che le accuratezze medie dei modelli TL erano significativamente più alte dei modelli baseline in tutti e tre i tipi di classificatore (p-value $< 0,05$).
• Prestazioni Operative: Quando implementata su circa 300 immagini full-frame dell'ILMT, la pipeline ha rilevato con successo vari fenomeni astrofisici, inclusi asteroidi (magnitudine mediana in banda V ~20), stelle variabili, AGN e candidati supernovae (es. AT 2024abso, AT 2025chp).

Significato e Rivendicazioni
Gli autori pongono questo lavoro come una prova di concetto per migliorare la rilevazione di transienti nelle survey a campo piccolo, piuttosto che come un sostituto immediato degli schemi esistenti. Il documento sostiene che le firme fondamentali a livello di immagine dei veri transienti e degli artefatti di sottrazione sono ampiamente trasferibili tra le survey ottiche quando le differenze di dominio (come la scala di pixel) vengono mitigate.

La significatività primaria risiede nella capacità delle survey di piccola scala di sfruttare la conoscenza derivante da strutture su larga scala per accelerare il dispiegamento di pipeline di rilevazione affidabili senza attendere anni per accumulare dati etichettati sufficienti. Gli autori osservano che anche modesti guadagni nella discriminazione reale/bogus possono ridurre sostanzialmente l'onere della verifica manuale, fondamentale per le survey di piccola scala con risorse umane limitate. Tuttavia, il documento riconosce modestamente i limiti, tra cui le dimensioni relativamente ridotte del dataset target, il ricorso parziale a sorgenti iniettate per alcune sottoclassi e il potenziale deriva dei dati (data drift) dovuto all'evoluzione delle condizioni di osservazione, suggerendo che i lavori futuri dovrebbero esplorare framework di apprendimento continuo.