稀疏光度下盘盲区天体的概率性光谱重建：面向分类学、抽样优化与异常检测的框架
摘要
近红外（near-IR）光谱为钫-海王星天体（TNOs）的表面成分提供关键约束，但光谱观测数量不足以匹及宽带光度测量。我们构建一个概率性潜在空间框架，用于量化稀疏光度测量中保留了多少光谱信息。通过在近红外光谱样本上训练的主成分表示，构建 TNOs 光谱流形，并在该简化空间中进行贝叶斯推断，以不确定性地方式从光度测量重建完整光谱。留一交叉验证表明，光谱变异的主导模式是低维的：4-5 个主成分捕获与分类学相关的结构，而 8-10 个主成分提升光谱重建忠实性和不确定性校准。在大多数对象上，重建光谱实现 95% 的经验可信区间覆盖率跨波段。这表明近红外光谱形状的多样性由结构化、相关的表面过程主导，而非随机变异。实际应用中，我们将该框架用于抽样优化，量化 JWST/NIRCam 滤镜的信噪比，以识别最优配置（如 F090W、F115W、F410M、F460M）用于 TNO 分类学。此外，我们演示了该管线检测并重建罕见光谱类型，如异常 Neptune 战俄队 2006 RJ103 和 2011 SO277，通过允许约束光度测量从连续拓扑流形中选择低概率中间模型。最终，该框架填补了稀疏光度测量与光谱观测之间的鸿沟，为即将到来的大规模抽样提供了一个统计上严谨的工具来描绘小行星的成分结构。
引用
@article{arxiv.2604.23840,
title = {Probabilistic Spectral Reconstruction of Trans-Neptunian Objects from Sparse Photometry: A Framework for Taxonomy, Survey Optimization, and Outlier Detection},
author = {Hsing Wen Lin and Larissa Markwardt and Kevin J. Napier and Fred C. Adams and Renu Malhotra and David W. Gerdes},
journal= {arXiv preprint arXiv:2604.23840},
year = {2026}
}
备注
Accepted for publication in The Astronomical Journal. 25 pages, 13 figures. The generative spectral reconstruction example is publicly available on GitHub at https://github.com/sevenlin123/spectra_reconstructor