AI और दुनिया की कठिन समस्याएँ · खगोल विज्ञान और अंतरिक्ष · arXiv · 2026-10-21

J-PLUS: अनसुपरवाइज़्ड मशीन लर्निंग का उपयोग करके चौथे डेटा रिलीज़ में आउटलायर स्पेक्ट्रल एनर्जी वितरणों की पहचान

मूल शीर्षक: J-PLUS: Identifying Outlier Spectral Energy Distributions in the Fourth Data Release Using Unsupervised Machine Learning

दुर्लभ या कम प्रतिनिधित्व वाली तारकीय समष्टियों के साथ-साथ नई खगोलीय वस्तुओं में से उम्मीदवारों का चयन स्पेक्ट्रोस्कोपिक फ़ॉलो-अप के लिए अनिवार्य है, इसलिए लेखकों ने प्रमुख पैटर्न से हटकर प्रतीत होने वाले स्पेक्ट्रल एनर्जी वितरणों को पहचानने के लिए J-PLUS के बारह-बैंड फ़ोटोमेट्रिक डेटा पर ऑटोएन्कोडर-आधारित एनॉमली डिटेक्शन तकनीक लागू की। इसके बाद उन्होंने आउटलायर समष्टि के रंगों पर t-SNE लागू किया और SIMBAD डेटाबेस तथा अन्य खगोलीय सर्वेक्षणों की जानकारी को संयोजित करके आउटलायर्स का वर्गीकरण किया, तथा t-SNE मैप में विशिष्ट समष्टियों के अनुरूप सुस्पष्ट द्वीपों का अभिलक्षण किया। अध्ययन में व्हाइट ड्वार्फ़ और कम द्रव्यमान वाले तारों का एक बड़ा नमूना पहचाना गया, जिसमें प्रदूषित व्हाइट ड्वार्फ़ का एक छोटा उपसमूह शामिल है, और स्पेक्ट्रोस्कोपिक फ़ॉलो-अप के लिए संभावित उम्मीदवारों की रिपोर्ट दी गई: 19 कार्बन-समृद्ध तारे, 11 कैटाक्लिज़्मिक वेरिएबल, और 170 व्हाइट-ड्वार्फ़-मेन-सीक्वेंस द्वितारे, जो सभी साहित्य में इससे पहले रिपोर्ट नहीं किए गए थे।

मूल लेख पढ़ें ↗

सभी आइटम →