基于 Transformer 的行星系统生成模型

行星系统形成的数值计算对计算能力要求极高。然而，这些合成的行星系统可以提供在给定数值框架内预测的同一系统中行星属性之间的相关性。反过来，这种相关性可用于指导和优先安排旨在发现某些类型行星（如类地行星）的观测活动。我们的目标是开发一个能够捕捉同一系统中行星之间相关性和统计关系的生成模型。这样一个基于伯尔尼模型训练的模型，能够以极小的计算成本生成大量合成行星系统，例如可用于指导观测活动。我们的生成模型基于 Transformer 架构，该架构以高效捕捉序列中的相关性而闻名，是所有现代大语言模型的基础。为了评估生成模型的有效性，我们进行了视觉和统计比较，以及机器学习驱动的测试。最后，作为一个应用案例，我们考虑了 TOI-469 系统，旨在基于行星 b（最先被探测到的行星）的属性来预测行星 c 和 d 的可能属性。我们通过不同的比较方法表明，我们的模型生成的系统属性与 Bern 模型直接计算的系统属性非常相似。我们还展示了在 TOI-469 系统的案例中，使用生成模型可以根据已观测行星的属性来预测尚未观测到的行星的属性。我们在我们的网站 www.ai4exoplanets.com 上向社区提供我们的模型。