层级三星稳定性的代数与机器学习方法
太阳与恒星天体物理
2022-09-14 v2 地球与行星天体物理
机器学习
摘要
我们提出了两种确定层级三星系统动力学稳定性的方法。第一种是对 2001 年 Mardling-Aarseth 稳定性公式的改进，其中我们引入了对内轨道偏心率的依赖，并改进了对相互轨道倾角的依赖。第二种涉及机器学习方法，我们使用多层感知机（MLP）将三星系统分类为“稳定”和“不稳定”。为此，我们使用 N-body 代码 MSTAR 生成了包含 个层级三星系统的大型训练数据集。我们的两种方法均优于以往的稳定性判据，其中 MLP 模型表现最佳。改进的稳定性公式和机器学习模型的总体分类准确率分别为 93% 和 95%。我们的 MLP 模型能够在所研究的参数范围内以几乎无需计算的方式准确预测任意层级三星系统的稳定性，并已以易于使用的 Python 脚本形式在 Github 上公开发布。
引用
@article{arxiv.2207.03151,
title = {Algebraic and machine learning approach to hierarchical triple-star stability},
author = {Pavan Vynatheya and Adrian S. Hamers and Rosemary A. Mardling and Earl P. Bellinger},
journal= {arXiv preprint arXiv:2207.03151},
year = {2022}
}
备注
Accepted for publication by MNRAS