Apr, 2023
基于深度学习的行星径向速度测量及星体变异的处理
Deep-learning based measurement of planetary radial velocities in the presence of stellar variability
Ian Colwell, Virisha Timmaraju, Alexander Wise
TL;DR本文介绍了一种基于深度学习的方法来在恒星变化存在的情况下测量小行星的径向速度，该方法采用了神经网络，降低了三年 HARPS-N 太阳作为恒星的谱线的恒星 RV 抖动。作者设计和比较了降维和数据拆分方法，以及各种神经网络体系结构，包括单行 CNN、单行 CNN 集合和多行 CNN。作者通过注入类行星 RV 到谱线中并使用神经网络进行恢复，发现多行 CNN 能够恢复 0.2 m/s 的半振幅、50 天的周期行星，并在振幅和周期上分别实现了 8.8% 和 0.7% 的误差。这种方法显示了缓解恒星 RV 变异和实现具有前所未有的精度探测小行星 RV 的前景。