AI এবং বিশ্বের কঠিন সমস্যাগুলো · জ্যোতির্বিজ্ঞান ও মহাকাশ · arXiv · 2026-10-21

J-PLUS: আনসুপারভাইজড মেশিন লার্নিং ব্যবহার করে চতুর্থ ডেটা রিলিজে আউটলায়ার বর্ণালী শক্তি বিন্যাস শনাক্তকরণ

মূল শিরোনাম: J-PLUS: Identifying Outlier Spectral Energy Distributions in the Fourth Data Release Using Unsupervised Machine Learning

বিরল বা স্বল্প-প্রতিনিধিত্বপ্রাপ্ত নাক্ষত্রিক জনসংখ্যা এবং নতুন বস্তু থেকে প্রার্থী নির্বাচন করা স্পেকট্রোস্কোপিক ফলো-আপের জন্য অপরিহার্য, তাই গবেষকরা J-PLUS-এর বারো-ব্যান্ড ফটোমেট্রিক ডেটায় অটোএনকোডার-ভিত্তিক অ্যানোমালি ডিটেকশন কৌশল প্রয়োগ করে প্রধান প্যাটার্ন থেকে বিচ্যুত স্পেকট্রাল এনার্জি ডিস্ট্রিবিউশনগুলি শনাক্ত করেছেন। এরপর তারা আউটলায়ার জনসংখ্যার রঙগুলির ওপর t-SNE প্রয়োগ করেন এবং SIMBAD ডেটাবেস ও অন্যান্য জ্যোতির্বৈজ্ঞানিক সার্ভের তথ্য একত্রিত করে আউটলায়ারগুলিকে শ্রেণিবদ্ধ করেন, সাথে t-SNE ম্যাপে নির্দিষ্ট জনসংখ্যার সঙ্গে সম্পর্কিত সুস্পষ্টভাবে সংজ্ঞায়িত দ্বীপগুলির বৈশিষ্ট্য নির্ধারণ করেন। গবেষণাটিতে সাদা বামন ও নিম্ন-ভর নক্ষত্রের একটি বৃহৎ নমুনা শনাক্ত হয়েছে, যার মধ্যে দূষিত সাদা বামনের একটি ক্ষুদ্র উপগোষ্ঠীও রয়েছে, এবং স্পেকট্রোস্কোপিক ফলো-আপের জন্য সম্ভাব্য প্রার্থী জানানো হয়েছে: 19টি কার্বন-সমৃদ্ধ নক্ষত্র, 11টি ক্যাটাক্লিজমিক ভেরিয়েবল এবং 170টি সাদা-বামন-মূল-ক্রম বাইনারি, যা সবই সাহিত্যে আগে কখনও জানানো হয়নি।

মূল লেখা পড়ুন ↗

সব আইটেম →