KI und die schwierigen Probleme der Welt · Astronomie & Weltraum · arXiv · 2026-10-26
Vollständige mehrbandige strukturelle Charakterisierung von 10 Millionen Galaxien im Hyper Suprime-Cam Wide Survey mittels Deep Learning
Originaltitel: Complete Multi-Band Structural Characterization for 10 Million Galaxies in the Hyper Suprime-Cam Wide Survey using Deep Learning
Da sich die Struktur von Galaxien mit der Wellenlänge ändert, nutzten die Autoren das Bayessche Deep-Learning-Framework GAMPEN, um das Bulge-zu-Gesamt-Lichtverhältnis, den effektiven Radius und den Fluss in den Bändern g, r und i für fast 10 Millionen Galaxien im HSC-SSP-Wide-Survey zu schätzen. Auf einzelnen Bändern trainierte Modelle wurden per Transfer Learning mit etwa 0,5 % der Daten an neue Bänder angepasst, und die Posterior-Verteilungen waren gut kalibriert, mit mittleren Abweichungen unter etwa 6 %. Die g-Band-Ergebnisse bei z ≳ 0.5 verschlechterten sich deutlich und wurden aus dem öffentlichen Katalog ausgeschlossen.