机器能否学习行星碰撞的结果？
地球与行星天体物理
2019-09-04 v1
摘要
行星尺度的碰撞在固态行星形成的最后阶段（包括太阳系类地行星）中十分常见。行星生长问题被划分为研究在百万年尺度上相关的胚胎引力相互作用（由N体代码处理）以及小时到天尺度上天体间的碰撞（由光滑粒子流体动力学处理）。这些现在正与简单的参数化模型相耦合。我们着手研究机器学习技术是否能通过预测碰撞结果（随后可用于N体模拟）来提供更好的解决方案。我们考虑了三种不同的监督机器学习方法：梯度提升回归树、嵌套模型和高斯过程。我们发现前者产生了最好的结果，并且通过集成不同算法可略微超越它。利用高斯过程，我们找到了可能为机器学习算法提供最多信息的参数空间区域。因此，我们建议SPH计算首先关注质量比大于0.5的情况。
引用
@article{arxiv.1902.04052,
title = {Can a machine learn the outcome of planetary collisions?},
author = {Diana Valencia and Emaad Paracha and Alan P. Jackson},
journal= {arXiv preprint arXiv:1902.04052},
year = {2019}
}
备注
13 pages, 11 figure, 2 tables. Submitted to ApJ