面向类型Ia超新星数据的混合专家变分自编码器的跨模态嵌入

时域天文学依赖于异构且多模态数据。常规做法是为单一模态构建专门模型，但忽略了可能对所需任务具有相关性的跨模态信息。在本工作中，我们提出一种多模态、混合专家变分自编码器，用于学习超新星光曲线和光谱的联合嵌入。该方法受Perceiver架构启发，原生支持可变长度输入和超新星光曲线中不规则时间采样。我们在辐射传输模拟数据上训练模型，并在从模拟数据中对超新星光谱和物理参数进行跨模态重构时验证其性能。我们的模型在跨模态生成方面优于在对比学习的潜在空间中进行最近邻搜索，显示其在构建多模态天文数据集的有信息潜在表示方面具有潜力。