基于机器学习分类对象测量的柯伊伯带平均平面
地球与行星天体物理
2024-02-05 v1 机器学习
摘要
基于观测数据对柯伊伯带平均平面的测量因其检验太阳系动力学模型的潜力而备受关注。近期的测量结果呈现出不一致的结论。本文报道了一次柯伊伯带平均平面的测量，其样本量超过以往测量的两倍以上。目标样本为非共振柯伊伯带天体，我们通过机器学习对轨道已精确确定的观测柯伊伯带总体进行识别。采用蒙特卡洛程序估计测量误差。我们发现，非共振柯伊伯带(半长轴范围35-150 au)的整体平均平面以及经典柯伊伯带(半长轴范围42-48 au)的平均平面均接近(约0.7度以内)但可与太阳系不变平面区分，置信度大于99.7%。将样本按较小半长轴区间分箱后，我们发现测得的平均平面大多与不变平面以及由已知行星强迫的理论预期拉普拉斯表面一致。仅在半长轴范围40.3-42 au和45-50 au发现统计显著的偏差；这些范围邻近一个长期共振和海王星2:1平运动共振，此处拉普拉斯表面理论可能不准确。这些结果不支持先前报道的半长轴大于50 au处的异常翘曲。
引用
@article{arxiv.2304.14312,
title = {A Measurement of the Kuiper Belt's Mean Plane From Objects Classified By Machine Learning},
author = {Ian C. Matheson and Renu Malhotra},
journal= {arXiv preprint arXiv:2304.14312},
year = {2024}
}
备注
15 pages, 4 figures. Accepted for The Astronomical Journal