ИИ и сложнейшие проблемы мира · Астрономия и космос · arXiv · 2026-10-21
J-PLUS: выявление аномальных спектральных распределений энергии в четвёртом релизе данных с помощью машинного обучения без учителя
Оригинальное название: J-PLUS: Identifying Outlier Spectral Energy Distributions in the Fourth Data Release Using Unsupervised Machine Learning
Отбор кандидатов из редких или слабо представленных звёздных популяций, а также новых объектов, крайне важен для последующих спектроскопических наблюдений, поэтому авторы применили основанный на автоэнкодерах метод обнаружения аномалий к фотометрическим данным J-PLUS в двенадцати полосах, чтобы выявить распределения энергии в спектре, отклоняющиеся от доминирующего шаблона. Затем они применили t-SNE к цветам популяции выбросов и классифицировали выбросы, объединив информацию из базы данных SIMBAD и других астрономических обзоров, охарактеризовав чётко выраженные острова на карте t-SNE, соответствующие конкретным популяциям. В работе выявлена большая выборка белых карликов и звёзд малых масс, включая небольшую подгруппу загрязнённых белых карликов, а также представлены потенциальные кандидаты для последующих спектроскопических наблюдений: 19 богатых углеродом звёзд, 11 катаклизмических переменных и 170 двойных систем из белого карлика и звезды главной последовательности, ранее не описанных в литературе.