AI और दुनिया की कठिन समस्याएँ · खगोल विज्ञान और अंतरिक्ष · arXiv · 2026-10-22

मल्टीमोडल रिप्रेज़ेंटेशन लर्निंग द्वारा परिवर्ती स्रोत लाइट कर्व्स का डेटा-आधारित अभिलक्षण

मूल शीर्षक: Data-driven characterisation of variable source light curves with multimodal representation learning

यह फ़्रेमवर्क लेबल किए गए प्रशिक्षण डेटा के बिना, कच्चे अवलोकनों पर Transformer तथा पीरियोडोग्राम पर कन्वोल्यूशनल नेटवर्क को संयोजित करके परिवर्तनीय-स्रोत लाइट कर्व का लक्षण-वर्णन करता है। 37,006 ZTF स्रोतों पर, सीखे गए प्रतिनिधित्वों का उपयोग करने वाले एक रैखिक वर्गीकर्ता ने 14 वर्गों में 77.1% संतुलित सटीकता और व्यापक श्रेणियों में 90.5% संतुलित सटीकता प्राप्त की। दोनों शाखाओं का संयोजन सर्वश्रेष्ठ एकल शाखा की तुलना में संतुलित सटीकता 14.9 प्रतिशत बिंदु तक सुधारता है, जबकि कई बैंडों के प्रतिनिधित्वों को जोड़ने से यह 86.1% तक बढ़ जाती है।

मूल लेख पढ़ें ↗

सभी आइटम →