AI与世界难题 · 天文与太空 · arXiv · 2026-10-21
J-PLUS：利用无监督机器学习识别第四次数据发布中的离群光谱能量分布
原标题: J-PLUS: Identifying Outlier Spectral Energy Distributions in the Fourth Data Release Using Unsupervised Machine Learning
从稀有或代表性不足的恒星族群以及新天体中筛选候选体，对光谱后续观测至关重要，因此作者将基于自编码器的异常检测技术应用于J-PLUS的十二波段测光数据，以识别偏离主导模式的光谱能量分布。随后，他们对离群星族的颜色应用t-SNE，并结合SIMBAD数据库和其他天文巡天数据的信息对离群体进行分类，刻画了t-SNE图中与特定星族对应的边界清晰的岛屿。该研究识别出一大批白矮星和低质量星样本，其中包括一小部分污染白矮星，并报告了潜在的光谱后续观测候选体：19颗富碳星、11颗激变变星和170颗白矮星-主序星双星，这些天体此前均未见文献报道。