KI und die schwierigen Probleme der Welt · Astronomie & Weltraum · arXiv · 2026-10-22
Datengetriebene Charakterisierung von Lichtkurven veränderlicher Quellen mit multimodalem Repräsentationslernen
Originaltitel: Data-driven characterisation of variable source light curves with multimodal representation learning
Dieses Framework charakterisiert Lichtkurven veränderlicher Quellen ohne gelabelte Trainingsdaten, indem es einen Transformer auf den Rohbeobachtungen mit einem Convolutional Network auf Periodogrammen kombiniert. An 37.006 ZTF-Quellen erreichte ein linearer Klassifikator mit den gelernten Repräsentationen eine balancierte Genauigkeit von 77,1 % über 14 Klassen und von 90,5 % über breite Kategorien. Die Kombination beider Zweige verbesserte die balancierte Genauigkeit um bis zu 14,9 Prozentpunkte gegenüber dem besten einzelnen Zweig, und die Verkettung von Repräsentationen aus mehreren Bändern hob sie auf 86,1 %.