L'IA face aux grands problèmes du monde · Astronomie et espace · arXiv · 2026-10-20
Modélisation des courbes de lumière multibandes de noyaux actifs de galaxies à l'aide d'un réseau de processus neuronaux attentifs auto-supervisé
Titre original: Modeling Multi-band Active Galactic Nuclei Lightcurves Using an Self-supervised Attentive Neural Process Network
On s'attend à ce que le LSST observe des dizaines de millions de quasars ; leur variabilité doit donc être modélisée. Les auteurs présentent un cadre de processus neuronal attentif qui reconstruit les courbes de lumière dans les six bandes du LSST et déduit la masse du trou noir, le rapport d'Eddington et l'échelle de temps de variabilité, entraîné de manière auto-supervisée uniquement sur des observations bruitées. Sur un jeu de test réservé, il a égalé une référence quasi optimale à base de processus gaussien et l'a surpassée pour la reconstruction du spectre de puissance et l'estimation de l'échelle de temps de la marche aléatoire amortie.