KI und die schwierigen Probleme der Welt · Astronomie & Weltraum · arXiv · 2026-10-20
Modellierung von Multiband-Lichtkurven aktiver Galaxienkerne mit einem selbstüberwachten Attentive-Neural-Process-Netzwerk
Originaltitel: Modeling Multi-band Active Galactic Nuclei Lightcurves Using an Self-supervised Attentive Neural Process Network
Es wird erwartet, dass das LSST Dutzende Millionen Quasare beobachten wird, weshalb ihre Variabilität modelliert werden muss. Die Autoren stellen ein Attentive-Neural-Process-Framework vor, das Lichtkurven in allen sechs LSST-Bändern rekonstruiert und Schwarzlochmasse, Eddington-Verhältnis und Variabilitätszeitskala ableitet; es wird selbstüberwacht allein anhand verrauschter Beobachtungen trainiert. Auf einem zurückgehaltenen Testdatensatz erreichte es die Leistung einer nahezu optimalen Gaußprozess-Baseline und übertraf sie bei der Rekonstruktion des Leistungsspektrums und bei der Schätzung der Zeitskala des Damped-Random-Walk.