利用人工智能驱动的图像识别/分类刻画类 HD209458b 热木星的大气动力学
地球与行星天体物理
2023-09-20 v1
摘要
为了理解近期系外行星观测结果，模型已变得日益复杂。遗憾的是，这增加了所述模型的计算成本与输出规模。我们旨在探索 AI 图像识别能否缓解此负担。我们使用 DYNAMICO 运行了一系列具有不同轨道半径的类 HD209458 模型。从这些数据模型的初始输出中选取若干感兴趣特征作为训练数据。这用于训练一对多分类卷积神经网络（CNN），并将其应用于我们的外大气平衡模型。我们的 CNN 检测到的特征表明，模型可分为两类：轨道半径较短的模型表现出显著的全球混合，塑造了整个大气的动力学；而轨道半径较长的模型除中压区外混合可忽略。在此，最初对任何训练特征均未检测到的结果揭示了一个意外：夜侧热斑。分析表明，这发生于转动影响足够弱，使得从昼侧到夜侧的辐散流主导了如赤道急流等转动驱动输送之时。我们建议图像分类可在未来的计算大气研究中发挥重要作用。但必须特别注意输入模型的数据，从色彩映射，到在具有足够广度与复杂度的特征上训练 CNN 以使其学会检测。然而，通过初步研究与先前模型，对于未来的 exascale 计算这应当是可轻易实现的，从而显著减少未来工作量与计算资源。
引用
@article{arxiv.2309.10640,
title = {Characterising The Atmospheric Dynamics Of HD209458b-like Hot Jupiters Using AI Driven Image Recognition/Categorisation},
author = {F. Sainsbury-Martinez and P. Tremblin and M. Mancip and S. Donfack and E. Honore and M. Bourenane},
journal= {arXiv preprint arXiv:2309.10640},
year = {2023}
}
备注
Accepted for publication in ApJ