利用机器学习方法在NASA凌星系外行星巡天卫星（TESS）数据中自动识别凌星系外行星候选体
地球与行星天体物理
2021-09-08 v2 天体物理仪器与方法
机器学习
摘要
一种结合多种由 ThetaRay 公司开发的算法、使用机器学习（ML）方法的新颖人工智能（AI）技术，被应用于 NASA 的凌星系外行星巡天卫星（TESS）数据集以识别系外行星候选体。该 AI/ML ThetaRay 系统最初使用 Kepler 系外行星数据训练，并在应用于 TESS 数据前用已确认的系外行星进行验证。基于多种观测参数构建的现有及新数据特征，通过采用半监督与无监督机器学习技术用于 AI/ML 分析。通过将 ThetaRay 系统应用于由 TESS 任务产生、取自 Mikulski 空间望远镜档案的 10,803 条阈值穿越事件（TCEs）光变曲线，该算法产出约 50 个目标供进一步分析，并通过进一步人工甄选发现了三个新的系外行星候选体。本研究首次展示了将这种特定的多重 AI/ML 组合方法成功应用于大型天体物理数据集以对 TCEs 进行快速自动分类。
引用
@article{arxiv.2102.10326,
title = {Automated identification of transiting exoplanet candidates in NASA Transiting Exoplanets Survey Satellite (TESS) data with machine learning methods},
author = {Leon Ofman and Amir Averbuch and Adi Shliselberg and Idan Benaun and David Segev and Aron Rissman},
journal= {arXiv preprint arXiv:2102.10326},
year = {2021}
}
备注
Accepted for publication in New Astronomy