KI und die schwierigen Probleme der Welt · Astronomie & Weltraum · arXiv · 2026-10-23
Trennung von Kandidaten für duale AGN und zufälligen Überlagerungen im GOTHIC-Survey mithilfe eines Deep-Learning-Frameworks
Originaltitel: Decoupling candidate dual AGN from chance superpositions in the GOTHIC survey via a deep-learning framework
Duale aktive Galaxienkerne sind in großen Bildgebungssurveys schwer zu finden, da Vordergrundsterne und zufällige Überlagerungen sie imitieren können. Die Autoren untersuchten erneut 46.061 Galaxien, die eine frühere Pipeline verworfen hatte, mithilfe eines YOLOv11-Deep-Learning-Detektors, der auf annotierten SDSS-Bildern trainiert wurde. Das Modell erreichte eine Precision von 0,919 und einen Recall von 0,905 und lieferte 29.605 Kandidaten, von denen 54,5–62 % bei visueller Inspektion wie echte duale Kerne aussahen, wobei für eine Bestätigung jedoch Nachbeobachtungen mit höherer Auflösung nötig sind.