AI与世界难题 · 天文与太空 · arXiv · 2026-10-22
利用多模态表示学习实现变源光变曲线的数据驱动表征
原标题: Data-driven characterisation of variable source light curves with multimodal representation learning
该框架将作用于原始观测的Transformer与作用于周期图的卷积网络相结合，在无需标注训练数据的情况下刻画变源光变曲线。在37,006个ZTF源上，使用所学表征的线性分类器在14个类别上取得了77.1%的平衡准确率，在宽泛类别上取得了90.5%。结合两个分支使平衡准确率比最佳单分支最多提升14.9个百分点，而拼接多个波段的表征则将其提升至86.1%。