PulseAugur
中
实时 05:59:35
English(EN) Decoupling candidate dual AGN from chance superpositions in the GOTHIC survey via a deep-learning framework

深度学习框架识别双活动星系核候选体

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个深度学习框架，利用 YOLOv11 架构从 GOTHIC 巡天数据中识别双活动星系核 (DAGN)。该模型在标注过的 Sloan Digital Sky Survey (SDSS) 成像数据上进行训练，以区分真实的 DAGN 候选体与前景恒星和其他虚假叠加。该框架在验证集上达到了 0.919 的精确率和 0.905 的召回率，识别出超过 29,000 个潜在的 DAGN 候选体，其中相当一部分估计为真实的系统。 AI

影响 这项研究展示了一种使用深度学习识别天文学现象的新方法，有望提高天体物理研究的效率和准确性。

排序理由 这是一篇研究论文，详细介绍了深度学习在天文巡天中的一项新颖应用。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度学习框架识别双活动星系核候选体

本文如何被排名

Signal score
37 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
这是一篇研究论文，详细介绍了深度学习在天文巡天中的一项新颖应用。 [lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Bhavesh Mukheja, Snehanshu Saha, Anwesh Bhattacharya, Mousumi Das, Fran\c{c}oise Combes, Sudhanshu Barway ·

    通过深度学习框架从 GOTHIC 巡天数据中解耦候选双活动星系核与偶然叠加

    arXiv:2608.24164v1 Announce Type: cross Abstract: Dual active galactic nuclei (DAGN) mark a critical phase in the evolution of merging galaxies and the pairing of supermassive black holes, yet they remain difficult to identify in large imaging surveys because of projection effect…

相关实体

相关话题