Classification of Eclipsing Binary Light Curves in Gaia DR3: A Machine Learning Approach

Technische Samenvatting: Classificatie van Eclipsierende Binaire Lichtcurves in Gaia DR3

Probleemstelling
De release van Gaia Data Release 3 (DR3) heeft een dataset opgeleverd met ongeveer 2,1 miljoen kandidaten voor eclipsierende binaire (EB) sterren. De enorme omvang van deze data maakt handmatige classificatie van lichtcurve-morfologieën — specifiek het onderscheid tussen Algol-type (EA), $\beta$-Lyrae-type (EB) en W Ursae Majoris-type (EW) — onhoudbaar. Hoewel eerdere studies machine learning (ML) hebben toegepast op datasets zoals Kepler, OGLE en TESS, blijven er uitdagingen bestaan bij het waarborgen dat trainingsdatasets onbevooroordeeld zijn en dat classificatiesystemen generaliseerbaar blijven over surveys met verschillende cadenties en ruiskenmerken. Bovendien vertrouwen bestaande methoden vaak op ruwe, ruizige tijdreeksgegevens of complexe parametriseringsstappen die geometrische kenmerken kunnen maskeren.

Methodologie
De auteurs stellen een nieuw multimodaal deep learning-framework voor dat is ontworpen voor de automatische classificatie van Gaia DR3 EB-kandidaten. De methodologie wijkt af van traditionele benaderingen door niet te trainen op ruizige, ruwe observationele data. In plaats daarvan maakt de pipeline gebruik van de geometrische modelparameters afgeleid van Mowlavi et al. (2023) om 2,1 miljoen synthetische, ruisvrije lichtcurves te genereren in Portable Network Graphics (PNG)-formaat.

De kernarchitectuur bestaat uit twee parallelle input-takken die worden samengevoegd voor de uiteindelijke classificatie:

1. Visuele Tak (CNN): Een Convolutional Neural Network verwerkt de synthetische lichtcurve-afbeeldingen (resizen naar 128 $\times$ 96 pixels). Deze tak extraheert visuele morfologische kenmerken met behulp van Conv2D- en MaxPooling2D-lagen.
2. Numerieke Tak (MLP): Een Multilayer Perceptron verwerkt tabulaire data afgeleid van de geometrische modelparameters (bijv. diepte, sigma, fase van minima, en amplitude/fase van cosinuscomponenten). Deze data wordt geschaald met een standard scaler en verwerkt via volledig verbonden lagen met ReLU-activatie.

De featurevectoren van beide takken (elk 16 kenmerken) worden geconcateneerd tot een 32-kenmerken vector, door een extra dense laag geleid en gevoed aan een softmax output-laag voor drie-klasse classificatie (EA, EB, EW).

Om robuustheid te garanderen en overfitting te voorkomen, werd in het trainingsproces verschillende strategieën toegepast:

• Data Augmentatie: Willekeurige horizontale verschuivingen, translaties en zooms werden toegepast op de synthetische afbeeldingen; verticale verschuivingen werden expliciet vermeden om de fysica van de lichtcurves te behouden.
• Regularisatie: L2-regularisatie en Dropout-lagen werden gebruikt.
• Callbacks: Het trainingsproces werd gestuurd door een aangepaste MacroF1 Callback (de primaire prestatie-indicator), Model Checkpointing, Early Stopping en ReduceLROnPlateau.
• Trainingsdata: Het model werd getraind op een gebalanceerde dataset van handmatig gelabelde subsets van de synthetische curves, waarbij 80% werd gebruikt voor training en 20% voor validatie.

Belangrijkste Bijdragen

• Synthetische Data Strategie: De studie introduceert een methode om observationele ruis te omzeilen door uitsluitend te trainen op synthetische lichtcurves gegenereerd uit geometrische modellen, waardoor de CNN zich puur kan richten op morfologische vormen.
• Multimodale Architectuur: De integratie van visuele (CNN) en numerieke (MLP) datastromen biedt een rijkere representatie van EB-systemen dan single-input modellen, en legt effectief zowel de intuïtieve "vorm" van de lichtcurve als de precieze wiskundige kenmerken van de stellaire minima vast.
• Schaalbaar Framework: De aanpak biedt een overdraagbaar framework dat in staat is om miljoenen objecten te verwerken, waarmee de bottleneck van handmatige classificatie in grootschalige surveys wordt aangepakt.

Resultaten
Het model vertoonde uitzonderlijke prestaties over vier verschillende modeltypen die gebruikt zijn in de Mowlavi et al. (2023) catalogus:

• Nauwkeurigheid: Het model behaalde nauwkeurigheidspercentages van meer dan 95% over alle klassen en modeltypen.
• Klasseprestaties:
  • EA (Algol-type): Vertoonde bijna perfecte prestaties (Precision/Recall/F1 $\approx$ 0,97–0,99), toegeschreven aan de duidelijk gescheiden aard van deze systemen.
  • EB en EW: Toonden robuuste prestaties (F1-scores $\approx$ 0,94–0,97). De auteurs merken op dat de lichte verwarring tussen de EB- en EW-klassen fysiek verwacht is vanwege het continuüm tussen semi-gescheiden en contact-systemen (Roche-geometrie), waarbij morfologische onderscheidend vermogens van nature vervagen.
• Globale Classificatie: Bij het toepassen van het getrainde model op de volledige Gaia DR3-archieven (ongeveer 2 miljoen sterren), leverde de geautomatiseerde classificatie een distributie op van 40% EA, 30% EB en 30% EW.

Betekenis
Het artikel stelt dat deze studie een zeer nauwkeurig en overdraagbaar classificatieframework biedt voor toekomstige grootschalige hemelverkeningen. Door de automatische morfologische scheiding van EBs te faciliteren, dient het framework als een kritisch filter voor gericht astrofysisch onderzoek:

• EA-systemen kunnen efficiënt worden geïdentificeerd voor studies die vereisen dat de configuraties gescheiden zijn en voor modelonafhankelijke massa/straal-metingen.
• EW-systemen bieden steekproeven voor het bestuderen van de extremen van binaire evolutie en de dynamica van derde lichamen in hiërarchische triples.
• EB-systemen fungeren als proxies voor transitie-fasen in semi-gescheiden configuraties waarbij actieve massatransfer plaatsvindt.

De auteurs benadrukken dat deze geautomatiseerde, hoogwaardige classificatie de constructie van gespecialiseerde catalogi mogelijk maakt die zijn afgestemd op specifieke wetenschappelijke doelstellingen, wat het statistisch testen van stellaire evolatiemodellen over verschillende binaire configuraties heen faciliteert zonder de beperkingen van handmatige inspectie.