Training Set Maker

O Training Set Maker é um pipeline que realiza o crossmatch espacial entre um Catálogo de Redshifts previamente registrado e o catálogo LSST Object, com o objetivo de criar training sets para algoritmos de photo-z baseados em aprendizado de máquina. Ele utiliza a biblioteca LSDB, desenvolvida pelo LINCC Frameworks, para lidar de forma eficiente com dados espacialmente distribuídos e oferecer flexibilidade nos observáveis incluídos no training set.

Execução via site do Photo-z Server

O pipeline pode ser executado pelo site do Photo-z Server, que fornece uma interface amigável para configurar os parâmetros de crossmatch, selecionar os conteúdos desejados e escolher o formato de saída.

Ao executar o pipeline pela interface do Photo-z Server, o usuário deve fornecer as seguintes informações:

1. Nome do training set
   Um nome curto e descritivo que será usado para registrar o resultado no sistema e encontrá-lo na lista de produtos em buscas futuras.
   Não é necessário escolher um nome único — o sistema adicionará automaticamente um número de ID interno ao nome do produto para garantir unicidade.

2. Descrição (opcional)
   Qualquer observação ou nota sobre a amostra.

3. Selecionar o Catálogo de Redshifts para o crossmatch
   Escolha entre os Catálogos de Redshift de Referência já registrados e listados no menu.
   Ele pode ser o resultado de uma execução anterior do pipeline Combine Redshift Catalogs ou um catálogo personalizado previamente enviado pelo usuário.

4. Selecionar o Catálogo de Objetos (dados fotométricos)
   Escolha entre os releases do LSST disponíveis, por exemplo, DP0.2, DP1, etc.

   • Tipo de fluxo (Flux type): selecione quais colunas de fluxo serão usadas durante o crossmatch. As opções são populadas dinamicamente de acordo com o catálogo selecionado, por exemplo, cModel, gaap1p0, psf, etc.
   • Aplicar desavermelhamento a partir de mapas de poeira (dustmaps)
     Selecione qual mapa de poeira (se houver) será usado para desavermelhar os fluxos fotométricos.
   • Converter fluxos em magnitudes
     Marque esta opção para converter os fluxos em magnitudes. A conversão é feita pela fórmula:
   \[ mag = -2.5 * \log_{10}(flux) + 31.5 \]

   onde \(flux\) é o valor na coluna de fluxo selecionada.

5. Selecionar as configurações do crossmatch

   • Distância limite (arcseg): distância máxima permitida entre as fontes correspondentes.
   • Número de vizinhos: número de correspondências mais próximas a serem recuperadas.
     Selecione 1 para um match um-a-um ou um número maior para recuperar múltiplas correspondências.

6. Selecionar galáxias únicas (em breve)
   Em casos de múltiplas correspondências, aplicar um critério de deduplicação (opção ainda não implementada).

7. Formato de saída
   Escolha entre os formatos suportados: Parquet, CSV, FITS ou HDF5.

Exemplo 1: Training Set com galáxias simuladas do DP0.2

Warning

seção em construção

Exemplo 2: Training Set com galáxias observadas do DP1

Warning

seção em construção

Execução via API do Photo-z Server

Warning

seção em construção

---

Última atualização: 28 de novembro de 2025