DASH: Aprendizaje Profundo para la Clasificación Espectral Automatizada de Supernovas y Sus Anfitriones

Resumen Presentamos DASH (Clasificador Automático de Supernovas y Anfitriones), un nuevo paquete de software que automatiza la clasificación del tipo, edad, corrimiento al rojo y galaxia anfitriona de los espectros de supernovas. DASH utiliza un nuevo enfoque que no se basa en técnicas de coincidencia de plantillas iterativas como todo el software anterior, sino que clasifica en función de las características aprendidas de cada tipo y edad de supernova. Esto se ha logrado mediante el uso de una red neuronal convolucional profunda para entrenar un algoritmo de coincidencia. Este enfoque ha permitido que DASH sea órdenes de magnitud más rápido que las herramientas anteriores, pudiendo clasificar con precisión cientos o miles de objetos en segundos. Hemos probado su rendimiento en 4 años de datos del Australian Dark Energy Survey (OzDES). Los modelos de aprendizaje profundo se desarrollaron utilizando TensorFlow y fueron entrenados con más de 4000 espectros de supernovas tomados del Programa de Supernovas CfA y el Programa Berkeley SN Ia utilizado en SNID (software de Identificación de Supernovas). A diferencia de los métodos de coincidencia de plantillas, los modelos entrenados son independientes del número de espectros en los datos de entrenamiento, lo que permite la velocidad sin precedentes de DASH. Hemos desarrollado tanto una interfaz gráfica para una fácil clasificación visual y análisis de supernovas como una biblioteca de Python para la clasificación autónoma y rápida de varios espectros de supernovas. La velocidad, precisión, facilidad de uso y versatilidad de DASH representan un avance respecto a las herramientas de clasificación espectral existentes. Hemos puesto el código disponible públicamente en GitHub y PyPI (pip install astrodash) para permitir contribuciones y desarrollo adicionales. La documentación del paquete está disponible en https://astrodash.readthedocs.io.