AI 與世界的難題 · 天文與太空 · arXiv · 2026-10-26
利用深度學習對 Hyper Suprime-Cam 廣域巡天中 1,000 萬個星系進行完整的多波段結構特徵分析
原標題: Complete Multi-Band Structural Characterization for 10 Million Galaxies in the Hyper Suprime-Cam Wide Survey using Deep Learning
由於星系結構會隨波長而變化,作者採用 GAMPEN 貝氏深度學習框架,估算 HSC-SSP Wide 巡天中近 1000 萬個星系在 g、r、i 波段的核球對總光度比、有效半徑與流量。在單一波段上訓練的模型,以約 0.5% 的資料透過遷移學習適應新波段,其後驗分布校準良好,平均偏差低於約 6%。z ≳ 0.5 時 g 波段的結果明顯變差,因此未納入公開星表。