基于自监督预训练的射电星系Fanaroff-Riley形态分类研究及其在RGZ数据集中的应用

《Monthly Notices of the Royal Astronomical Society》：Radio Galaxy Zoo: Morphological classification by Fanaroff-Riley designation using self-supervised pre-training

本研究针对海量射电巡天数据中星系形态自动分类的挑战，利用自监督学习（SSL）预训练的射电星系基础模型，对Radio Galaxy Zoo（RGZ）项目中的14,000余个射电星系进行了Fanaroff-Riley（FR）形态分类。研究人员通过微调预训练模型，成功对约5,900个FRI类和8,100个FRII类星系进行了分类，发现FRI与FRII在光度-尺寸分布上存在显著重叠区域，且模型在此区域的分类置信度最低，表明这些源的形态确实更为模糊。研究还证实了低光度FRII源的存在，其比例与先前研究一致，但通过与LOFAR LoTSS DR1巡天数据的交叉比对，发现分类方法的差异会影响样本选择。该工作强调了在自动化天文源识别与分类中，训练数据的选择对模型输出及后续分析具有重要影响，为未来SKAO等大型巡天项目的自动化处理提供了重要参考。

　　

在当今天文学领域，我们正处在一个数据爆炸的时代。诸如维拉·C·鲁宾天文台（Vera C. Rubin Observatory）和平方公里阵列射电望远镜（SKAO）等大型巡天项目，每天都将产生海量的观测数据。面对如此庞大的数据洪流，传统的人工分类方法已显得力不从心，发展自动化、智能化的数据处理算法成为必然趋势。其中，射电星系的形态分类，尤其是经典的Fanaroff-Riley（FR）二分法，是天体物理学中研究活动星系核（AGN）喷流特性、中心黑洞活动及其与周围环境相互作用的重要手段。

经典的Fanaroff-Riley二分法将射电星系分为两类：FRI类星系，其最亮区域靠近核心；FRII类星系，其最亮区域（通常为热斑）位于远离核心的瓣状结构中。早期研究认为FRI和FRII在射电光度上存在一个清晰的界限。然而，近年的多项研究逐渐揭示，这两类星系的光度-尺寸分布存在着大量的重叠，传统的清晰分界可能并不存在，且存在相当数量的低光度FRII源，这对基于喷流动力学的模型提出了挑战。因此，利用现代机器学习技术，特别是能够充分利用大量未标记数据的自监督学习（Self-Supervised Learning, SSL）方法，对大规模射电星系样本进行精确、一致的FR分类，对于深化理解射电星系的本质、演化及其物理机制具有至关重要的意义。

在此背景下，由Nutthawara Buatthaissong等人组成的研究团队在《Monthly Notices of the Royal Astronomical Society》上发表了他们的最新研究成果。他们利用来自公民科学项目Radio Galaxy Zoo（RGZ）的大量数据，首次将经过自监督预训练的射电星系基础模型应用于RGZ目录的FR形态分类，构建了一个包含超过14,000个源的大规模分类样本，并对其天体物理性质进行了深入分析。

为了开展这项研究，研究人员主要采用了以下几种关键技术方法：首先是自监督预训练技术，他们采用了Bootstrap Your Own Latent（BYOL）算法，在RGZ Data Release 1（RGZ DR1）目录的大量未标记射电图像上进行预训练，使模型学习到数据中有意义的表示。其次是迁移学习与微调，他们利用MiraBest数据集中经过视觉检查并自信分类的样本（共729个）对预训练好的基础模型进行微调，使其适应FR分类这一特定下游任务。为了评估模型预测的不确定性，他们采用了集成学习策略，通过10次不同的权重初始化进行微调，并以投票分数（Vote Fraction, VF）作为模型分类置信度的度量。在数据预处理与分析方面，他们设定了角尺寸（>21.2角秒）和总流量密度（>0.75 mJy）的阈值以确保源的可解析性，并整合了斯隆数字化巡天（SDSS）的红移数据（包括光谱红移和测光红移）以及WISE红外数据，用于计算光度、物理尺寸和进行宿主星系性质分析。最后，他们通过跨目录交叉匹配，将RGZ FR分类结果与基于LOFAR LoTSS DR1数据的Mingo等人（2019）的FR目录进行比对，以检验不同方法和数据下分类结果的一致性。

4 LUMINOSITY-DISTANCE ANALYSIS

研究人员计算了RGZ FR样本中每个源在1.4 GHz的光度和物理尺寸。分析发现，FRII源覆盖了从低到高的光度和从致密到大的物理尺寸的广泛范围，而FRI源则倾向于聚集在稍低的光度和中等尺寸区域。FRII的平均和中位物理尺寸（0.20 Mpc和0.16 Mpc）略大于FRI（0.18 Mpc和0.16 Mpc）。在光度方面，FRI的平均和中位光度（1.63×10²⁵ W/Hz和5.20×10²⁴ W/Hz）显著低于FRII（1.53×10²⁶ W/Hz和1.52×10²⁵ W/Hz）。最重要的是，研究结果明确显示FRI和FRII的光度-尺寸分布存在显著的重叠区域，这与Fanaroff & Riley (1974)最初提出的清晰分离观点相悖。具体而言，约有15%的FRI源的光度超过了传统的分界光度（~2×10²⁵ W/Hz），而约58%的FRII源的光度低于此分界线，被称为低光度FRII（FRII-Low）。

5 COLOUR ANALYSIS

通过分析WISE卫星在3.4μm (W1)、4.6μm (W2)和12μm (W3)波段的颜色-颜色图，研究人员研究了宿主星系的特性。结果表明，约60%的RGZ FR源位于星形成星系（SFG）区域。87%的FRI分布在W1-W2 < 0.5星等和W2-W3 < 3.4星等的范围内（椭圆星系Ell和星形成星系SFG区域）。而FRII，尤其是高光度FRII（FRII-High），更主导着W1-W2 > 0.5星等（AGN区域）和W2-W3 > 1.6星等的区域。低光度FRII（FRII-Low）的颜色分布则与FRI更为相似，主要位于Ell和SFG区域，这表明低光度FRII的宿主星系性质可能与FRI有相似之处，而与高光度FRII不同。颜色图上也清晰地显示了不同FR类源之间的重叠。

6 RGZ FR VOTE FRACTION: LUMINOSITY DISTANCE AND COLOUR ANALYSIS

模型置信度分析（通过投票分数VF体现）显示，分类结果模糊（VF < 1）的源主要集中在角尺寸较小（21.2-55角秒）、流量密度较低（1-100 mJy）的区域，这恰好是FRI和FRII分布的重叠区。在WISE颜色-颜色图上，VF < 1的源虽然出现在所有区域，但在星形成星系（SFG）区域密度最高，该区域也是FRI和FRII重叠最明显的区域，进一步证实此处是分类的难点。

7 RGZ-LOTSS CROSS-MATCHING

通过将RGZ FR目录与基于LOFAR低频数据的Mingo等人（2019）的LoTSS FR目录进行交叉匹配，研究人员获得了513个共有的源。比较发现，约40%的源在两个目录中的FR分类一致（类匹配源），而约60%的源分类不同（类变化源）。在类变化源中，最显著的特点是大量在RGZ中被分类为FRII的源（特别是低光度FRII）在LoTSS中被分类为FRI或“小”源。这可能是由于LOFAR的低频观测对延展的低表面亮度辐射更敏感，导致源结构呈现差异，以及两个巡天项目的分辨率、灵敏度和分类算法不同所致。尽管如此，RGZ-LoTSS样本在光度-尺寸分布和WISE颜色分布上的总体趋势与整个RGZ FR样本保持一致，重叠现象依然存在。光谱指数分析也提示FRI和低光度FRII可能具有不同的辐射特性。

8 MODEL BIASES

研究还深入探讨了训练数据选择可能带来的模型偏差。预训练阶段的数据选择（如角尺寸阈值）会影响模型在下游任务中的置信度，使用包含更多未分辨源（角尺寸阈值更小）的数据预训练会导致整体分类置信度下降。微调阶段使用的MiraBest数据集与RGZ FR测试集在流量密度、角尺寸分布上存在差异（数据集偏移），这也会影响模型的泛化能力，导致其对分布外数据的分类置信度降低。研究表明，预训练数据的质量（与下游任务的相似性）比单纯的数量更重要。

综上所述，本研究成功地将自监督学习框架应用于大规模射电星系的FR形态分类，产生了迄今为止最大的FR分类样本之一。研究结果强有力地证实了FRI与FRII星系在物理性质（如光度、尺寸、宿主星系类型）上存在连续分布和显著重叠，而非简单的二分，挑战了传统的形态-光度关系。研究不仅证实了低光度FRII源的存在，还通过跨数据集的比较揭示了分类方法对样本选择的影响，强调了自动化分类中训练数据偏差的重要性。这项工作为利用先进机器学习方法处理下一代大型射电巡天项目（如SKAO）的海量数据奠定了坚实基础，并指出未来研究需要关注更复杂的形态描述符（如语义标签）和多波段信息（如光谱指数分布）的融合，以更全面地理解射电星系的物理本质。