Verknüpfung astronomischer Beobachtungen und natürlicher Sprache mit multimodalen Modellen
PAPERCLIP ist eine Methode, die astronomische Beobachtungen, die von Teleskopen aufgenommen wurden, mit natürlicher Sprache unter Verwendung eines neuronalen Netzwerkmodells verknüpft. Das Modell wird durch die Verwendung erfolgreicher Beobachtungsvorschläge und zugehöriger Beobachtungen aus dem Hubble-Weltraumteleskop feinabgestimmt, wobei die Vorschläge optional unter Verwendung großer Sprachmodelle zusammengefasst werden.
Testen eines Entropie-Schätzers im Zusammenhang mit dem dynamischen Zustand von Galaxienhaufen
Der Entropie-Schätzer HZ ermöglicht die Erfassung des Evolutionsgrades von Galaxiensystemen basierend auf globalen dynamischen Parametern.
Generative Pre-trained Transformer für die Erzeugung von Wellenformen kompakter binärer Systeme
Die CBS-GPT-Modelle zeigen bemerkenswerte Generalisierung und Interpretierbarkeit bei der Vorhersage von Wellenformen kompakter binärer Systeme.
Einzelne Transitentdeckung in Kepler mit maschinellem Lernen und Bordraumfahrzeugdiagnostik
Neuartige Technik zur Klassifizierung von Transits in Kepler-Lichtkurven mit hoher Genauigkeit und Entdeckung eines neuen Kandidaten.
PI-AstroDeconv: Ein Physik-informiertes unüberwachtes Lernverfahren für die Entfaltung astronomischer Bilder
Traditionelle Methoden zur Bildentfaltung in der Astronomie sind suboptimal, daher wird ein unüberwachtes Lernverfahren vorgeschlagen, das physikalische Informationen nutzt.
Astronomie in Kolumbien: Eine bibliometrische Perspektive
Die astronomische Forschung in Kolumbien erlebt ein beschleunigtes Wachstum und zeigt eine steigende Produktivität.
© 2024 by Linnk AI