用于 X 射线光谱拟合的带正规化流的变分自编码器
机器学习
2026-01-13 v1
摘要
黑洞 X 射线双星（BHBs）可通过光谱拟合获取对极端引力环境下吸积的物理约束。传统光谱拟合方法如马尔可夫链蒙特卡洛（MCMC）因计算时间受限。我们引入一种概率模型，利用带正规化流的变分自编码器训练，采用物理潜空间。该神经网络生成光谱模型参数的预测及其完整概率分布。我们的实现在光谱重构方面显著优于以往确定性模型，同时比传统方法快了三个数量级。
引用
@article{arxiv.2601.07440,
title = {Variational Autoencoder with Normalizing flow for X-ray spectral fitting},
author = {Fiona Redmen and Ethan Tregidga and James F. Steiner and Cecilia Garraffo},
journal= {arXiv preprint arXiv:2601.07440},
year = {2026}
}
备注
7 pages, 1 table, 3 figures. Accepted as a workshop paper to Machine Learning and the Physical Sciences at NeurIPS 2025