精选理由
这篇论文教你用机器学习给X射线源找光学配对，比纯靠位置准多了。他们用LightGBM找到了11万多个钱德拉对应体，还公开了目录，做多波段天文的人别错过。
研究利用LightGBM梯度提升分类器，对钱德拉源目录（CSC v2.1）约25.4万个X射线源与盖亚DR3光学数据进行交叉匹配。基于贝叶斯框架NWAY构建高质量训练集，利用星等、颜色和距离等特征，识别出约11.3万个对应体，其中约7000个有多个候选。在钱德拉猎户座超深度项目（COUP）上验证，机器学习方法在不使用位置信息时重现了95%的NWAY匹配结果。研究还发现约2万个源虽在空间上匹配但为偶然重合，并发布了对应的目录。
AI 翻译 · 中文
研究利用LightGBM梯度提升分类器，对钱德拉源目录（CSC v2.1）约25.4万个X射线源与盖亚DR3光学数据进行交叉匹配。基于贝叶斯框架NWAY构建高质量训练集，利用星等、颜色和距离等特征，识别出约11.3万个对应体，其中约7000个有多个候选。在钱德拉猎户座超深度项目（COUP）上验证，机器学习方法在不使用位置信息时重现了95%的NWAY匹配结果。研究还发现约2万个源虽在空间上匹配但为偶然重合，并发布了对应的目录。
We present a framework to cross-match sources from the Chandra Source Catalog (CSC v2.1) with optical sources from Gaia Data Release 3. Unlike purely spatial approaches, we use source properties such as magnitudes, color…