近日，數(shù)理學(xué)院統(tǒng)計(jì)學(xué)2023級(jí)研究生朱世偉與導(dǎo)師團(tuán)隊(duì)合作的研究成果《Dual-coding Contrastive Learning Based on the ConvNeXt and ViT Models for Morphological Classification of Galaxies in COSMOS-Web》在國(guó)際學(xué)術(shù)期刊《The Astrophysical Journal Supplement Series》（中科院二區(qū)TOP期刊，影響因子IF=8.50）發(fā)表，論文通訊作者為數(shù)理學(xué)院方官文研究員。

本研究基于自監(jiān)督機(jī)器學(xué)習(xí)算法，對(duì)詹姆斯·韋伯空間望遠(yuǎn)鏡（JWST）拍攝的星系圖像進(jìn)行形態(tài)分類(lèi)。以COSMOS-Web星系樣本（0.5 < z < 6.0）為研究對(duì)象，通過(guò)構(gòu)建正負(fù)樣本對(duì)實(shí)現(xiàn)特征提取與降維，最終得出10組高置信度樣本集，并結(jié)合監(jiān)督學(xué)習(xí)方法完成全部樣本的分類(lèi)。該方法采用雙編碼對(duì)比學(xué)習(xí)策略，解決了對(duì)先驗(yàn)知識(shí)的依賴(lài)，在保持較高準(zhǔn)確率的同時(shí)，并且自適應(yīng)于不同天區(qū)觀(guān)測(cè)設(shè)備的差別，可高效地對(duì)大量星系圖像進(jìn)行形態(tài)分類(lèi)。本研究為應(yīng)對(duì)下一代大規(guī)模巡天項(xiàng)目（如Euclid、Rubin、Roman及即將投入運(yùn)行的CSST）所產(chǎn)生的海量高分辨率多波段圖像數(shù)據(jù)，提供了一種高效且適應(yīng)性強(qiáng)的分類(lèi)解決方案。（撰稿：朱世偉、鄭奕銳；審核：張海）