Interpreting deep learning-based stellar mass estimation via causal analysis and mutual information decomposition
Created by
Haebom
저자
Wei Zhang, Qiufan Lin, Yuan-Sen Ting, Shupei Chen, Hengxin Ruan, Song Li, Yifan Wang
개요
다중 밴드 은하 이미지로 학습된 종단간 딥 러닝 모델은 분광학 없이도 은하 물리적 특성을 추정하는 데 사용되는 강력한 데이터 기반 도구입니다. 그러나 해석 가능성의 부족과 이러한 모델의 연관성 특성으로 인해, 통합 광도 외에 포함된 정보(예: 형태)가 추정 작업에 어떻게 기여하는지 이해하기 어렵습니다. 본 연구는 인과 분석과 상호 정보 분해의 두 가지 해석 가능성 기술을 사용하여 별 질량의 딥 러닝 기반 추정을 해석하는 것을 목표로 합니다. 슬론 디지털 스카이 서베이(SDSS)와 광역 적외선 탐사(WISE) 데이터를 사용하여 이미지 기반 모델에 대한 물리적 해석을 제공하는 의미 있는 결과를 얻었습니다.
시사점, 한계점
•
딥 러닝과 해석 가능성 기술을 결합하여 얻을 수 있는 이점을 보여줍니다.
•
별 질량 추정을 위한 이미지 기반 모델의 물리적 해석을 제공합니다.
•
데이터 기반 천체 물리학 연구(예: 천체 물리학적 매개변수 추정 및 복잡한 다변량 물리적 과정에 대한 연구)를 촉진할 수 있는 가능성을 제시합니다.
