反事実的説明による銀河形態分類

本記事では、銀河の形態分類の重要性と、従来のアプローチの限界について論じています。大量のデータに対する形態の決定は労力を要するため、機械学習を用いた方法が注目されていますが、これらの方法の多くはモデルの動作に関する洞察を提供せず、結果を理解しづらいという問題があります。著者らは、古典的なエンコーダ・デコーダアーキテクチャを可逆フローで拡張するアプローチを提案しています。この手法により、高い予測性能を維持しつつ、反事実的説明を通じて意思決定プロセスの追加情報を提供することができます。また、この記事は、2024年のNeurIPSにおける機械学習と物理科学のワークショップで受理されたことにも触れています。