IA e os Problemas Difíceis do Mundo · Astronomia e espaço · arXiv · 2026-10-23
Separando candidatos a AGN duplos de sobreposições casuais no levantamento GOTHIC por meio de um framework de aprendizado profundo
Título original: Decoupling candidate dual AGN from chance superpositions in the GOTHIC survey via a deep-learning framework
Núcleos ativos de galáxias duplos são difíceis de encontrar em grandes levantamentos de imagem, nos quais estrelas em primeiro plano e alinhamentos casuais podem imitá-los. Os autores reexaminaram 46.061 galáxias que um pipeline anterior havia rejeitado, usando um detector de aprendizado profundo YOLOv11 treinado em imagens anotadas do SDSS. O modelo atingiu precisão de 0,919 e recall de 0,905, resultando em 29.605 candidatos, dos quais 54,5–62% pareceram núcleos duplos genuínos na inspeção visual, embora seja necessário um acompanhamento com maior resolução para confirmação.