IA e os Problemas Difíceis do Mundo · Astronomia e espaço · arXiv · 2026-10-21
J-PLUS: Identificação de Distribuições de Energia Espectral Discrepantes no Fourth Data Release Usando Aprendizado de Máquina Não Supervisionado
Título original: J-PLUS: Identifying Outlier Spectral Energy Distributions in the Fourth Data Release Using Unsupervised Machine Learning
A seleção de candidatos de populações estelares raras ou sub-representadas, bem como de objetos novos, é essencial para o seguimento espectroscópico, de modo que os autores aplicaram uma técnica de detecção de anomalias baseada em autoencoder a dados fotométricos de doze bandas do J-PLUS para identificar distribuições de energia espectral que se desviam do padrão dominante. Em seguida, aplicaram o t-SNE às cores da população de outliers e classificaram os outliers combinando informações do banco de dados SIMBAD e de outros levantamentos astronômicos, caracterizando ilhas bem definidas no mapa t-SNE correspondentes a populações específicas. O estudo identificou uma grande amostra de anãs brancas e estrelas de baixa massa, incluindo um pequeno subconjunto de anãs brancas poluídas, e relata candidatos em potencial para seguimento espectroscópico: 19 estrelas ricas em carbono, 11 variáveis cataclísmicas e 170 binárias anã branca-sequência principal, todos anteriormente não relatados na literatura.