We present the results of a programme to search and identify the nature of unusual sources within the All-sky Wide-field Infrared Survey Explorer (WISE) that is based on a machine-learning algorithm for anomaly detection, namely one-class support vector machines (OCSVM). Designed to detect sources deviating from a training set composed of known classes, this algorithm was used to create a model for the expected data based on WISE objects with spectroscopic identifications in the Sloan Digital Sky Survey (SDSS). Subsequently, it marked as anomalous those sources whose WISE photometry was shown to be inconsistent with this model. We report the results from optical and near-infrared spectroscopy follow-up observations of a subset of 36 bright ($g_{AB}$<19.5) objects marked as 'anomalous' by the OCSVM code to verify its performance. Among the observed objects, we identified three main types of sources: i) low redshift (z~0.03-0.15) galaxies containing large amounts of hot dust (53%), including three Wolf-Rayet galaxies; ii) broad-line quasi-stellar objects (QSOs) (33%) including low-ionisation broad absorption line (LoBAL) quasars and a rare QSO with strong and narrow ultraviolet iron emission; iii) Galactic objects in dusty phases of their evolution (3%). The nature of four of these objects (11%) remains undetermined due to low signal-to-noise or featureless spectra. The current data show that the algorithm works well at detecting rare but not necessarily unknown objects among the brightest candidates. They mostly represent peculiar sub-types of otherwise well-known sources.
Gaia Data Release 2. Cross-match with external catalogues - Algorithms and results
上下文虽然盖亚目录本身是一个非常强大的工具，但正是这种高精度档案与其他档案的结合，才真正为天文学研究开辟了惊人的可能性。归档的高级互操作基于交叉匹配，让用户感觉就像使用单个数据归档一样。数据检索不仅应跨数据归档工作，还应跨波长域工作。无缝访问数据的第一步是计算Gaia和外部调查之间的交叉匹配。目的。我们描述了盖亚数据发布2（DR 2）目录与密集调查（泛星DR 1，2 MASS，SDSS DR 9，GSC 2.3，URAT-1，allWISE，PPMXL和APASS DR 9）和稀疏目录（Hipparcos 2，Tycho-2和RAVE 5）的预计算交叉匹配所采用的算法和结果。方法.一种新的算法是专门为稀疏目录。详细描述了DR 1所采用算法的改进和变化。结果交叉匹配的输出是官方Gaia DR 2目录的一部分。交叉匹配结果的全局分析也被提出。
Identifying quasars with astrometric and mid-infrared methods from APOP and ALLWISE
上下文类星体在空间上是静止的，在天体测量学中定义参考系时，它们是必不可少的天体。然而，对类星体的普查还远未完成。由于活动星系核在中红外波段表现出特殊的外观，因此可以利用中红外波段的颜色来寻找类星体候选者，但这些方法都无法将类星体从活动星系核中分离出来。目标。我们的研究目的是利用天体测量和中红外方法筛选类星体，获得可靠的候选类星体目录。方法.我们使用了一个接近零的自行标准结合WISE（全天空宽场红外巡天探测器）[W1-W2]颜色来选择候选类星体。[W1-W2]颜色标准由两个样本的线性边界定义：LAMOST DR 5类星体，作为类星体样本，LAMOST DR 5恒星和星系，作为非类星体样本。评价污染和完整性。结果我们提出了一个662753类星体候选者的目录，约75%的完整性和77.2%的可靠性。
Automated novelty detection in the WISE survey with one-class support vector machines
对以前未知的天空区域或波长区域进行广角测光调查总是会带来意想不到的源，这些源的存在和性质无法从早期的观测中轻易预测：新奇甚至异常。这样的对象可以有效地寻找与新颖性检测算法。在这里，我们提出了这样一种方法，称为一类支持向量机（OCSVM）的应用程序，从覆盖整个天空的中红外AllWISE目录预选源之间的异常模式进行搜索。为了创建预期数据的模型，我们在SDSS DR 13数据库中的一组具有光谱识别的对象上训练算法，该数据库也存在于AllWISE中。OCSVM检测异常的模式-在这种情况下，WISE光度测量-与模型不一致的源。在检测到的异常中，我们发现了人工制品，例如由于混合而具有虚假测光的物体，但最重要的是，也有真正的天体物理学兴趣的真实来源。在后者中，OCSVM已经确定了一个均匀分布在天空中的严重变红的活动星系核/类星体候选者的样本，并且在很大程度上没有出现在其他基于WISE的活动星系核目录中。它还使我们能够找到一组特定的混合类型的源，主要是恒星和紧凑的星系。通过将半监督OCSVM算法与标准分类方法相结合，将有可能通过考虑训练样本中不存在但在目标集中以其他方式良好表示的源来改进后者。异常检测增加了自动源分离程序的灵活性，并有助于验证训练样本的可靠性和代表性。因此，应将其视为监督分类计划的一个重要步骤，以确保所编制目录的完整性和纯度。
Painting a full radio sky -- Empirical mock catalogues with multiple source populations for future radio surveys
INAF - Institute of Radio Astronomy (IRA)（国家天体物理研究所射电天文研究所）；Scuola Internazionale Superiore di Studi Avanzati (SISSA)（高等高级研究国际学院）；Institute for Fundamental Physics of the Universe (IFPU)（宇宙基础物理研究所）；SKA Organization（平方公里阵列望远镜组织）；Observatoire de la Côte d’Azur (OCA)（蔚蓝海岸天文台）；INAF – Osservatorio di Astrofisica e Scienza dello Spazio (OAS)（国家天体物理研究所天体物理学与空间科学观测站）；Astronomical Observatory of the Autonomous Region of Aosta Valley (OAVdA)（瓦莱达奥斯塔自治大区天文台）；INAF - Institute of Space Astrophysics and Cosmic Physics (IASF)（国家天体物理研究所空间天体物理学与宇宙物理学研究所）
HECATEv2: An all-sky galaxy catalogue for multimessenger astrophysics
University of Crete（克里特大学）；Foundation for Research and Technology-Hellas（希腊研究与技术基金会）；Institute of Space Sciences (ICE, CSIC)（空间科学研究所（ICE, CSIC））；Institut d’Estudis Espacials de Catalunya (IEEC)（加泰罗尼亚太空研究学院（IEEC））；Astronomical Institute, Academy of Sciences（科学院天文研究所）；NASA Goddard Space Flight Center（美国宇航局戈达德太空飞行中心）；Johns Hopkins University（约翰斯·霍普金斯大学）；University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）
The Sloan Digital Sky Survey Peculiar Velocity Catalogue
利用斯隆数字巡天（SDSS）的基本面（FP）测量数据，给出了一个新的$34,059$早型星系的距离和奇特速度（PV）目录。这$7016\,\mathrm{deg}^{2}$均匀的样品包括迄今为止最大的一组奇特的速度，并扩展了光伏调查的范围高达红移极限$z=0.1$。我们基于SDS的FP距离测量的平均不确定度为23%。除了这些数据，我们还制作了一个2,048个模拟星系目录的集合，这些目录再现了数据选择函数，并用于验证我们的拟合管道和检查系统误差。我们发现组丰富度和平均表面亮度之间的显着趋势的样本，这可能暗示在FP内的环境依赖性或未解决的系统学的存在，并可能导致偏奇特的速度。这是删除使用多个FP拟合作为组丰富度的函数，通过一个新的解析推导的3D高斯积分超过非平凡的限制，一个易于处理的过程。我们的目录被校准到CosmicFlows-III样本的零点，不确定度为$0.004$ dex（不包括宇宙方差或CosmicFlows-III本身的误差），这是通过与我们当地速度场的2 M ++重建预测的零点进行独立交叉检查来验证的。最后，作为一个例子，什么是可能的，我们的新目录，我们获得初步的整体流量测量深度为$135\,h^{-1}\mathrm{Mpc}$。我们发现一个稍微大于预期的大流量在高红移，虽然这可能是由沙普利超星系团的存在，它位于SDSS PV足迹之外。
A comprehensive catalogue of high-mass X-ray binaries in the Large Magellanic Cloud detected during the first eROSITA all-sky survey
Max-Planck-Institut für extraterrestrische Physik（马克斯·普朗克地外物理研究所）；Inter-University Centre for Astronomy and Astrophysics (IUCAA)（大学间天文学与天体物理学中心）；Anton Pannekoek Institute for Astronomy, University of Amsterdam（阿姆斯特丹大学安东·潘内库克天体物理研究所）；Department of Astronomy, The University of Michigan（密歇根大学天文学系）；Université Paris-Saclay, Université Paris Cité, CEA, CNRS, AIM（巴黎萨克雷大学、巴黎西岱大学、CEA、CNRS、AIM）；Southern African Astronomical Observatory（南非天文台）；Department of Astronomy, University of Cape Town（开普敦大学天文学系）；Leibniz Institut für Astrophysik Potsdam（波茨坦莱布尼茨天体物理研究所）
STARSFLUX: an all-sky catalogue of absolute spectro-photometric calibrators from 0.3 to 30 $μ$m
STAR Institute, Institut d’Astrophysique et de Géophysique, University of Liège（列日大学天体物理与地球物理研究所）；Sterrewacht Leiden, Leiden University（莱顿大学莱登天文台）；Anton Pannekoek Institute for Astronomy, University of Amsterdam（阿姆斯特丹大学安东·潘内库克天文学研究所）；Max-Planck-Institut für Astronomie（马克斯·普朗克天文学研究所）；Konkoly Observatory, HUN-REN Research Centre for Astronomy and Earth Sciences（孔科利天文台，匈牙利研究与教育网络地球科学与天文学研究中心）；Laboratoire Lagrange, Université Côte d’Azur, Observatoire de la Côte d’Azur, CNRS（蔚蓝海岸大学拉格朗日实验室，蔚蓝海岸天文台，法国国家科学研究中心）；Hamburger Sternwarte（汉堡天文台）；Department of Physics & Astronomy, University of Southampton（南安普顿大学物理与天文学系）
Catalogue with visual morphological classification of 32,616 radio galaxies with optical hosts
我们提出了与光学Galerkin和具有未分辨或扩展形态I（ROGUE I）相关的射电源目录。它是由斯隆数字巡天数据发布7（SDSS DR 7）的交叉匹配星系以及来自20厘米射电天空第一图像（FIRST）和国家射电天文台VLA巡天（NVSS）目录的射电源产生的。我们创建了最大的手工目录的视觉分类的无线电对象和与他们相关联的光学宿主星系，包含32，616个星系的第一个核心内的光学位置3弧秒。所有列出的对象具有良好的质量SDSS DR 7光谱的信噪比$>$ 10和光谱红移高达$z=0.6$。通过目视检查覆盖在DSS图像上的FIRST和NVSS等高线图进行射电形态分类，而光学形态分类基于SDSS DR 7的120弧秒快照图像。ROGUE I中的大多数射电星系，即$\sim$ 93%，是无法分辨的（紧凑或细长），而其余的则表现出扩展的形态，如Fanaroff-Riley（FR）I型，II型，混合型，广角尾，窄角尾，头-尾源，以及具有间歇或重新定向喷流活动的源，即双-双，X形和Z形。大多数FR II的射电光度都很低，与FR I的光度相当。此外，由于对所有射电图和光学图像的目视检查，我们能够发现或重新分类一些射电天体，如巨型，双双，X形和Z形射电星系。所提出的样本可以作为一个数据库的培训自动识别和分类的光学和射电星系的方法。
