L'IA face aux grands problèmes du monde · Astronomie et espace · arXiv · 2026-10-21
J-PLUS : identification de distributions d'énergie spectrale atypiques dans la quatrième version des données à l'aide de l'apprentissage automatique non supervisé
Titre original: J-PLUS: Identifying Outlier Spectral Energy Distributions in the Fourth Data Release Using Unsupervised Machine Learning
La sélection de candidats issus de populations stellaires rares ou sous-représentées, ainsi que d'objets inédits, est essentielle pour le suivi spectroscopique ; les auteurs ont donc appliqué une technique de détection d'anomalies fondée sur un autoencodeur aux données photométriques de J-PLUS en douze bandes afin d'identifier les distributions d'énergie spectrale s'écartant du motif dominant. Ils ont ensuite appliqué t-SNE aux couleurs de la population d'objets atypiques et classé ces derniers en combinant les informations de la base de données SIMBAD et d'autres relevés astronomiques, en caractérisant des îlots bien définis dans la carte t-SNE correspondant à des populations spécifiques. L'étude a identifié un vaste échantillon de naines blanches et d'étoiles de faible masse, dont un petit sous-ensemble de naines blanches polluées, et fait état de candidats potentiels pour un suivi spectroscopique : 19 étoiles riches en carbone, 11 variables cataclysmiques et 170 binaires naine blanche–étoile de la séquence principale, tous précédemment non signalés dans la littérature.