Anomaly detection in Fink. I. Discovery, follow-up, and classification of unusual sources

Título: Detecção de Anomalias no Fink: I. Descoberta, acompanhamento e classificação de fontes incomuns

Autores: M. V. Pruzhinskaya et al.
Publicação: Astronomy & Astrophysics (2026)

1. O Problema

As modernas pesquisas de campo amplo em domínio temporal, como o Zwicky Transient Facility (ZTF), geram fluxos de alertas massivos contendo milhões de detecções noturnas. Embora a classificação fotométrica automática seja eficaz para identificar classes comuns de objetos (como supernovas padrão), ela frequentemente falha em detectar eventos raros, incomuns ou "de borda" (edge cases) que fogem dos modelos de treinamento padrão.
O desafio central reside na capacidade de filtrar automaticamente esses milhões de candidatos para identificar aqueles com alto potencial científico (anomalias verdadeiras) sem sobrecarregar os astrônomos especialistas com dados irrelevantes. A inspeção visual manual de todos os alertas é impossível, exigindo uma abordagem automatizada que combine aprendizado de máquina com validação humana rápida.

2. Metodologia

O artigo descreve o pipeline de detecção de anomalias (AD) implementado no broker Fink, operando no fluxo de alertas do ZTF desde janeiro de 2023. A metodologia divide-se em três componentes principais:

• Extração de Características (Feature Extraction):

  • As curvas de luz fotométricas (bandas g e r) são transformadas em um conjunto compacto de 26 características numéricas (22 extratores) usando o pacote light-curve.
  • As características incluem amplitude, média, desvio padrão, coeficiente de Stetson K, entre outras, capturando o comportamento temporal e a variabilidade.
  • O sistema unifica a representação de curvas de luz, utilizando magnitude de diferença para transientes e magnitude aparente para estrelas variáveis, dependendo da presença de fontes próximas na imagem de referência.

• Modelo de Detecção (Isolation Forest):

  • O núcleo do sistema é um modelo de Isolation Forest (IF), treinado em dados arquivais do ZTF.
  • São utilizados dois modelos IF separados (um para cada banda fotométrica) para lidar com dados esparsos. A pontuação final de anomalia é o mínimo das duas pontuações individuais.
  • O modelo é atualizado periodicamente para refletir mudanças no caderno de observações do ZTF e variações sazonais.

• Disseminação e Feedback (Citizen Science):

  • Notificação: As 10 anomalias mais extremas de cada noite são distribuídas automaticamente via Slack e Telegram, e expostas via API REST. Cada notificação inclui coordenadas, pontuação de qualidade "real-bogus", corte de imagem e curva de luz.
  • Loop de Feedback (Active Anomaly Discovery - AAD): Os especialistas podem classificar os alertas como "anomalia" ou "nominal" (comum) através de um bot público no Telegram. Essas reações são usadas para re-treinar o modelo usando o algoritmo AAD, ajustando iterativamente os limites de decisão para alinhar melhor com a expertise humana.

3. Contribuições Principais e Resultados

Durante o primeiro ano de operação, o pipeline demonstrou eficácia na descoberta de novos objetos e na identificação de eventos raros. Os principais resultados incluem:

• Descobertas Individuais de Alto Interesse:

  • Fink J062452.88+020818.3: Um sistema raro do tipo AM CVn (variável cataclísmica de hélio) da subclasse WZ Sge. O sistema exibiu um comportamento de "duplo super-outburst" complexo. Foi confirmado através de espectroscopia (11-m SALT, 2.5-m CMO) e fotometria, tornando-se apenas o terceiro objeto desse tipo classificado com confiança.
  • SN 2023mtp: Uma supernova incomum com um precursor luminoso (atividade pré-explosão). A evolução fotométrica e espectral não se encaixa perfeitamente em nenhum modelo padrão de supernova (Ia, IIP, IIn), sugerindo uma interação complexa com o meio circumestelar denso.
  • Fink J222324.32+744222.0: Uma estrela do tipo UX Ori (variável jovem com poeira). A análise multi-cor (óptico e infravermelho) revelou uma anticorrelação de brilho, indicando mudanças na geometria ou composição do disco circumestelar.
  • Fink J042203.10+362318.7: Uma estrela M (anã vermelha) com flares recorrentes de curta duração, detectada em um survey de campo amplo.

• Descobertas em Larga Escala:

  • Supernovas: O módulo disparou 33 candidatos a supernovas, 30 dos quais não haviam sido reportados anteriormente. Inclui candidatos a Supernovas Superluminosas (SLSNe), supernovas "puras" (Tipo Ia em galáxias elípticas) e eventos sem galáxia hospedeira visível (hostless).
  • Variáveis Cataclísmicas: Foram descobertas 9 novas variáveis cataclísmicas (novas anãs), todas submetidas ao banco de dados VSX da AAVSO.

• Validação do Modelo com Feedback:

  • A implementação do modelo AAD demonstrou eficácia ao reclassificar classes "nominais" (como binárias eclipsantes) para ranks de anomalia mais baixos após o treinamento com feedback de especialistas, reduzindo o ruído nas listas de topo.

4. Limitações e Desafios

O artigo discute que nem toda anomalia é astrofisicamente interessante. O pipeline ainda lida com contaminantes:

• Estrelas de Movimento Próprio Alto (HPM): Estrelas que se movem significativamente entre as imagens de referência e as de ciência, gerando alertas falsos de transientes.
• Supernovas "Planas": Casos onde a imagem de referência do ZTF já continha a supernova, resultando em uma subtração que cria uma fonte de fluxo negativo ou "desaparecida", confundindo o modelo.
• Subjetividade: A definição de "anomalia" varia entre especialistas, o que limita a eficácia de um único modelo global, motivando o desenv futuro de modelos personalizados.

5. Significado e Conclusão

O trabalho estabelece que a detecção de anomalias em nível de broker (intermediário de dados), quando acoplada a uma disseminação rápida e validação de especialistas, funciona como uma ponte eficaz entre grandes fluxos de dados de surveys e a descoberta científica.

• Impacto Científico: O pipeline transformou "pontuações de anomalia" estatísticas em descobertas astrofísicas concretas, incluindo novos tipos de objetos e eventos raros.
• Metodologia Híbrida: O sucesso do projeto destaca a necessidade de combinar aprendizado de máquina não supervisionado com ciclos de feedback humano (citizen science) para refinar os modelos e reduzir falsos positivos.
• Futuro: O sistema serve como precursor para futuras missões, como o Vera C. Rubin Observatory (LSST), onde a escala de dados exigirá pipelines de detecção de anomalias ainda mais robustos e adaptativos.

Em suma, o artigo prova que a combinação de Isolation Forests, notificação em tempo real e engajamento da comunidade de especialistas é uma estratégia viável e poderosa para a astronomia de domínio temporal moderna.