Генерализация низко- и среднеразрешающих спектров с использованием нейронных сетей для оценки параметров звезд: исследование на примере DESI
Изображение создано Gemini AI
Исследование посвящено проблеме обобщения данных из различных опросов в анализе спектров звезд, используя предварительно обученные многослойные перцептроны (MLP) для переноса информации с низкокачественных спектров LAMOST на спектры средней разрешающей способности DESI. Результаты показывают, что MLP, предварительно обученные на низкокачественных спектрах, демонстрируют хорошие результаты даже без дообучения и улучшают свои показатели при использовании данных DESI. Хотя модели, основанные на трансформерах, превосходят MLP для звезд с высоким содержанием металлов, они уступают в качестве для звезд с низким содержанием металлов. Выбор стратегии дообучения варьируется в зависимости от анализируемых звездных параметров, что указывает на то, что, хотя простые MLP могут эффективно обобщать данные между опросами, потенциал спектральных базовых моделей требует дальнейшего изучения.
Нейронные сети улучшают оценку параметров звезд в различных обзорах
Новое исследование сосредоточено на применении нейронных сетей, в частности многослойных перцептронов (MLP), для улучшения перехода от низкокачественных спектров LAMOST (LRS) к среднекачественным спектрам DESI (MRS).
Исследование сравнивает эффективность MLP, обученных непосредственно на спектральных данных, с теми, которые используют встраивания из моделей на основе трансформеров. Также были оценены различные стратегии дообучения, включая адаптеры остаточной головы, LoRA и полное дообучение.
Основные выводы
- MLP, предварительно обученные на LAMOST LRS, продемонстрировали надежные результаты даже без дообучения.
- Умеренное дообучение с использованием спектров DESI улучшило результаты по нескольким звездным параметрам.
- Встраивания на основе трансформеров превзошли MLP в измерениях содержания железа в металлосодержащих режимах, в то время как MLP проявили себя лучше в условиях бедных металлом.
- Выбор стратегии дообучения существенно повлиял на результаты, варьируясь в зависимости от конкретных звездных параметров.
Связанные темы:
📰 Первоисточник: https://arxiv.org/abs/2602.15021v1
Все права и авторство принадлежат первоначальному издателю.