L'IA face aux grands problèmes du monde · Astronomie et espace · arXiv · 2026-10-20
Quand les caractéristiques en rayons X ne parviennent pas à identifier les émetteurs intrinsèques : bruit d'étiquettes et chevauchement de luminosité dans la classification par apprentissage automatique des AGN et des galaxies à formation d'étoiles
Titre 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
L'ajout d'une variable de flux X à un classificateur par forêt aléatoire des AGN et des galaxies à formation d'étoiles a fait baisser la précision de 97,51 % à 89,26 %. Les auteurs attribuent cette baisse au fort recouvrement de la luminosité X de part et d'autre du seuil de 10^42 erg/s et au bruit d'étiquetage dépendant des instances près de la ligne de démarcation BPT. Sur un échantillon fixe, l'ajout de la variable X n'a pas modifié les métriques par classe, et son importance par permutation était compatible avec zéro : le classificateur n'en fait donc qu'un usage négligeable.