迁移学习白矮星搜索模型

准确率96%，新发现489颗

基于七分类与二分类级联架构，从海量光谱中高效辨认白矮星，训练速度与准确率均优于非迁移方法。

Tan, Lei · Liu, Zhicun · 王锋 · 梅盈 · Hui, Deng · 刘超

Astrophysical Journal, Supplement Series 2023

参数信息

测试准确率

96.08 %

已发表白矮星识别数

4314

新发现白矮星数

489

处理光谱总数

1121128

技术优势

训练更快

迁移学习相比从头训练收敛更快，能更快得到可用模型。

可直接用于大规模筛选

模型已成功处理112万条LAMOST DR9光谱，证明其可扩展到巡天级别的数据量。

候选体召回能力强

在已发表白矮星中识别出96.3%的目标，漏检率低，适合发现更多稀有天体。

应用场景

• 大规模光谱巡天数据处理：替代人工筛选，快速从百万级光谱中找出白矮星。
• 恒星光度与光谱分类：提供高准确率的光谱分类模型，可直接用于恒星类型判定。
• 稀有天体候选体筛选：高效生成白矮星候选体列表，大幅缩小后续观测范围。
• 天文大数据实时处理：模型训练速度快，可快速更新以适应新数据流。