L'IA face aux grands problèmes du monde · Astronomie et espace · arXiv · 2026-10-22
Caractérisation pilotée par les données des courbes de lumière de sources variables grâce à l'apprentissage multimodal de représentations
Titre original: Data-driven characterisation of variable source light curves with multimodal representation learning
Ce cadre caractérise les courbes de lumière de sources variables sans données d'entraînement étiquetées, en combinant un Transformer sur les observations brutes avec un réseau convolutif sur les périodogrammes. Sur 37 006 sources ZTF, un classifieur linéaire utilisant les représentations apprises a atteint une précision équilibrée de 77,1 % sur 14 classes et de 90,5 % sur les grandes catégories. La combinaison des deux branches a amélioré la précision équilibrée jusqu'à 14,9 points de pourcentage par rapport à la meilleure branche seule, tandis que la concaténation des représentations de plusieurs bandes l'a portée à 86,1 %.