基于机器学习的 Gaia 天体测量外行星轨道的识别
通过 Titius-Bode 关系,在 229 个至少有三个或更多被确认存在行星的多行星系统中,发现了大约 53% 的系统中的行星比太阳系的行星更好地遵循对数间距关系。通过机器学习方法分析 762 个被确认存在的系外行星和八个太阳系行星的数据,发现行星质量、公转周期和恒星质量在预测系外行星半径方面起着关键作用,并且还观察到巨大行星的半径与其宿主恒星质量之间存在强相关性,为巨大行星形成和恒星特性之间的关系提供了有趣的见解。
Feb, 2024
使用定制的 Monte Carlo 采样器搜索 96,231 个红巨星,找到 320 个在后验概率上确定的伴星和 4,898 个需要更多数据才能确定其轨道性质的伴星,并提供所有母样本星的全轨道参数后验采样。
Apr, 2018
本文探究了使用神经网络在恒星本身相关噪声影响下的径向速度法中替代传统测试方法的可行性,并取得了较好的结果。通过使用合成的数据,该算法的虚阳性误差降低了 28%,并且其执行速度比传统方法快五个数量级。
Mar, 2023
自 1995 年发现第一颗热木星绕一个类太阳恒星,即 Peg 51,以来,利用各种观测技术已经确认了 4000 多颗系外行星。本研究利用一种新的 GPU 相位折叠算法和卷积神经网络,称为 GPFC 方法,在 Kepler 光变数据上进行了研究。该方法大大提高了传统的箱式最小二乘法的过境搜索速度,使得可以在几小时内使用商用 GPU 卡对已知 KOI 光变数据进行完整搜索。迄今为止,我们已经确定了五个有前途的短周期次地球候选者。这些小型系外行星的发现突显了 GPFC 方法在 Kepler、TESS 和未来的航天过境任务中搜索小型新过境系外行星的潜力。
Dec, 2023
利用机器学习方法,如随机森林分类器、XGBoost、支持向量机分类器和 TabNet,基于 PanStarrs DR1、2MASS 和 WISE 数据,区分 L 和 T 型棕矮星与其他光谱和亮度类别的物体,并对模型进行解释。同时,我们将我们的模型与经典决策规则进行比较,证明它们的效率和相关性。
Aug, 2023
文章介绍了使用深度学习对开普勒探测器发现的潜在系外行星信号进行分类鉴别的方法,并应用到已知多行星系统中发现两个新的行星,其中一个则是在 Kepler-80 周围的五个行星的 3 体 - 拉普拉斯共振链中。
Dec, 2017
这篇论文通过 TESS 和 Kepler 空间望远镜的可见光观测,提出了对 KIC 1718360 这颗 G1.5IV-V 型恒星光变曲线中的定期暗淡事件的检测。数据分析表明可能存在一个半径约为 1.048 地球半径、轨道周期为 2.938 天的天体,以及一个 0.04 天文单位的半长轴。初步观测使用了 One-Class SVM 机器学习方法,在 Kepler 的第 16 季数据上进行。TESS 空间望远镜的后续观测证实了这些发现。虽然仍需要进一步数据验证,但这些结果可能有助于积累更多短周期轨道的类地行星数据。
May, 2024
利用随机森林方法进行机器学习研究,分析了 14 种棕矮星大气模型的信息内容,发现棕矮星的有效温度能够独立于模型网格准确预测,但相对应的表面重力计算仍然存在挑战。
May, 2023
该文介绍了欧洲空间局的 Gaia 航天器及其 Data Release 2 (DR2) 数据,其中包含了 14,099 个太阳系物体的观测数据。论文着重讨论了关于这些数据的处理与精度评估,以及利用它们探测细微非引力效应的可行性。
Apr, 2018
通过使用监督深度学习算法,将光谱和空间维度相结合,我们开发了一种新的方法,以提高积分场谱学(IFS)数据集的高对比度外行星的检测灵敏度。在将光谱维度转化为径向速度维度后,机器学习算法的真阳率受径向分离变化的影响较小,能够减少误报并提高对直接成像行星在 IFS 数据集中的检测限制。
May, 2024