AI 與世界的難題 · 天文與太空 · arXiv · 2026-10-22
以多模態表徵學習對變源光變曲線進行資料驅動的特徵刻畫
原標題: Data-driven characterisation of variable source light curves with multimodal representation learning
此框架無需標記訓練資料即可描述變光源的光度曲線，方法是將處理原始觀測資料的 Transformer 與處理週期圖的卷積網路相結合。在 37,006 個 ZTF 來源上，使用所學得表徵的線性分類器在 14 個類別間達到 77.1% 的平衡準確率，在廣泛類別間達到 90.5%。結合這兩個分支，使平衡準確率較最佳單一分支最多提升 14.9 個百分點，而串接多個波段的表徵更將其提高至 86.1%。