基于不确定神经网络的星际巡航 BP/RP 光谱天体大气参数
计算机视觉与模式识别
2024-05-20 v1
摘要
随着 Gaia BP/RP 光谱中信息量的丰富，针对从这些光谱中提取天体大气参数与元素丰度具有显著的应用潜力。我们描述了一种方法，利用在 APOGEE 数据上训练的“不确定神经网络”模型，提供高质量的预测并具有鲁棒的逐预测不确定性估计。我们报告了 [Fe/H]、、、[C/Fe]、[N/Fe] 和 [/M] 的中位形式不确定性分别为 0.068 dex、69.1K、0.14 dex、0.031 dex、0.040 dex 和 0.029 dex。我们将这些预测结果与 APOGEE 训练数据、LAMOST 以及 Gaia GSP-Phot 天体参数进行验证，发现我们的预测参数与来自这些调查的数据高度相关。我们通过考虑模型对不同光谱特征的“注意力”来探讨光谱的信息内容，这与来自合成光谱计算的预期相符。我们将模型的预测应用于 Gaia 数据集，并公开发布一目录我们的模型预测的目录。
引用
@article{arxiv.2405.10696,
title = {Autonomous AI-enabled Industrial Sorting Pipeline for Advanced Textile Recycling},
author = {Yannis Spyridis and Vasileios Argyriou and Antonios Sarigiannidis and Panagiotis Radoglou and Panagiotis Sarigiannidis},
journal= {arXiv preprint arXiv:2405.10696},
year = {2024}
}