Gravitationslinsen mit Hilfe von Anomaly Detection erkennen.
Python, PyTorch, Deep Learning, Anomaly Detection, Variational Autoencoder
In diesem Projekt soll eine Anomaly Detection Pipeline implementiert werden, die zur Identifizierung von Gravitationslinsen von Quasaren in Galaxienbildern dient.
Quasare (Quasi Stellar Objects) sind sehr helle, weit entfernte Galaxien, die auf den ersten Blick aussehen wie Sterne. Die Gravitiation von Dunkler Materie, die sich zwischen manchem Quasar und der Erde befindet, verursacht einen Linseneffekt, welcher dazu führt, dass mehrere Bilder des Quasars sichtbar werden. Die Beobachtung dieses Linseneffekts gibt uns Aufschluss über die Verteilung und Natur der Dunklen Materie. Es ist daher wichtig, Quasare mit solchen Gravitationslinsen zu identifizieren. Leider bringen die bestehenden, klassischen Methoden zur Identifizierung von Gavitationslinsen eine sehr hohe falsch-positiv Rate (>99%!) mit sich. Insbesondere die grosse Anzahl von Kandidaten, die in naher Zukunft von modernen Teleskopen beobachtet werden, erfordern neue Methoden mit besserer Performance.
Durch den Einsatz des Variational Autoencoders wurde ein Modell trainiert, das mit Hilfe einer Anomaly Detection Pipeline präzise Anomaly Scores berechnet und Anomalien zuverlässig erkennt.
| Projekttyp: | Informatik Projekt 5 |
| Projektdauer: | 20. Februar 2023 - 16. Juni 2023 |
| Aufwand: | 180 Stunden pro Person |
| Teamgrösse: | 2 Personen |
Prof. Dr. Martin Melchior und Dr. Stefan Hackstein
Fachhochschule Nordwestschweiz FHNW
Hochschule für Technik
Bahnhofstrasse 6
5210 Windisch
| Name | Studiengang |
| Geremia Walzer | iCompetence |
| Kevin Schlatter | iCompetence |
| Name |
| Prof. Dr. Martin Melchior |
| Dr. Stefan Hackstein |
