生成模型Nullasar直接从数据学习类星体光变

Nadav Bojan Sellam 等研究团队提出基于流匹配的生成模型 Nullasar，直接从时序数据学习类星体光学连续谱光变特性，无需显式假设噪声模型，并发布论文介绍这一方法。 在合成光变曲线测试中，当以 Nullasar 作为零假设检测周期信号时，其效果与正确的 DRW 参数化拟合相当；当光变实际遵循更灵活的 AR(2) 模型时则优于参数化拟合。针对训练集受非零假设信号污染的问题，团队称将模型条件向量投影到其主成分可在很大程度上缓解该影响。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。