AI 與世界的難題 · 天文與太空 · arXiv · 2026-10-21
J-PLUS：利用非監督式機器學習在第四次資料釋出中識別離群光譜能量分佈
原標題: J-PLUS: Identifying Outlier Spectral Energy Distributions in the Fourth Data Release Using Unsupervised Machine Learning
從稀有或代表性不足的恆星族群以及新型天體中篩選候選體，對後續光譜觀測至關重要，因此作者將基於自動編碼器的異常偵測技術應用於 J-PLUS 的十二波段測光資料，以找出偏離主導型態的光譜能量分佈。接著他們對離群族群的顏色應用 t-SNE，並結合 SIMBAD 資料庫與其他天文巡天的資訊為離群值分類，刻畫出 t-SNE 圖中對應特定族群、界線分明的島狀區塊。該研究識別出大量的白矮星與低質量恆星樣本，其中包括一小部分受污染白矮星，並提出可供後續光譜觀測的潛在候選體：19 顆富碳恆星、11 顆激變變星，以及 170 個白矮星–主序星雙星，全部都是文獻中未曾報導過的。