Busca de galáxias de baixo brilho superficial por similaridade em grandes catálogos astronômicos

Abstract

Galáxias de baixo brilho superficial (LSBGs, do inglês Low Surface Brightness Galaxies), constituem um segmento importante da população de galáxias, porém, por serem objetos de baixo brilho, sua busca é difícil. A sua detecção geralmente é realizada utilizando uma combinação de métodos paramétricos e inspeção visual, o que se torna inviável para futuros levantamentos fotométricos que coletarão terabytes de dados por noite. Assim, nesse trabalho exploramos a utilização do algoritmo Locality-Sensitive Hashing para a realização de uma busca por similaridade aproximada de LSBGs em grandes catálogos astronômicos. Utilizamos 11670190 objetos do catálogo DES Y3 Gold coadd para criar um modelo de busca de similaridade baseado nas propriedades físicas dos objetos, desenvolvendo uma ferramenta capaz de encontrar novos candidatos a LSBGs com o uso de somente uma LSBG conhecida que faz parte desse catálogo. A partir de uma galáxia conhecida de uma amostra, conseguimos encontrar várias outras galáxias da mesma amostra, além de novas galáxias visualmente similares mas ainda não catalogadas. Apresentamos também o resultado de nosso modelo para a busca de artefatos, demonstrando a sua generalidade e o pouco tempo de busca necessário para retornar objetos similares. O código utilizado nesse trabalho está disponível em https://github.com/zysymu/lsh-astro.

Low Surface Brightness Galaxies (LSBGs) constitute an important segment of the galaxy population, however, due to their low brightness, their search is challenging. The detection of LSBGs is usually done with a combination of parametric methods and visual inspection, which becomes unpractical for future astronomical surveys that will collect petabytes of data. Thus, in this work we explore the usage of Locality-Sensitive Hashing for the approximate similarity search of LSBGs in large astronomical catalogs. We use 11670190 objects from the DES Y3 Gold coadd catalog to create an approximate k-nearest neighbor model based on the physical properties of the objects, developing a tool able to find new LSBG candidates while using only one known LSBG. From just one labeled example we are able to find various already known LSBGs and many objects visually similar to LSBGs but not yet catalogued. Also, due to the generality of similarity search models, we are able to search for and recover other rare astronomical objects without the need of retraining or generating a large sample. Our code is available at https://github.com/zysymu/lsh-astro.