La IA y los problemas difíciles del mundo · Astronomía y espacio · arXiv · 2026-10-20
Cuando las características de rayos X no logran identificar emisores intrínsecos: ruido de etiquetas y solapamiento de luminosidad en la clasificación de AGN y galaxias con formación estelar mediante aprendizaje automático
Título original: When X-ray Features Fail to Identify Intrinsic Emitters: Label Noise and Luminosity Overlap in Machine Learning Classification of AGN and Star-forming Galaxies
Añadir una característica de flujo de rayos X a un clasificador Random Forest de AGN y galaxias con formación estelar redujo la precisión del 97.51% al 89.26%. Los autores atribuyen esto a un solapamiento sustancial en la luminosidad de rayos X alrededor del umbral de 10^42 erg/s y al ruido de etiquetas dependiente de la instancia cerca de la línea de demarcación BPT. En una muestra fija, añadir la característica de rayos X no modificó las métricas por clase, y su importancia por permutación fue compatible con cero, por lo que el clasificador hace un uso insignificante de ella.