利用长短期记忆网络对系外行星凌星光变曲线进行去趋势处理
地球与行星天体物理
2020-02-26 v1 天体物理仪器与方法
摘要
从凌星光变曲线精确推导凌星深度是测量系外行星凌星光谱的关键环节，进而对系外行星大气研究至关重要。然而，该过程仍深受各类系统误差与噪声的严重影响。本文提出一种通过重建凌星期间恒星流量基线来进行去趋势处理的新方法。我们训练一个概率长短期记忆（Long Short-Term Memory, LSTM）网络，在凌星外预测光变曲线的下一个数据点，并利用该模型在凌星内重建一条无凌星光变曲线——即仅包含系统误差——的曲线。该方法不对仪器作任何假设，仅使用凌星星历，从而提供了一种校正系统误差并进行后续凌星拟合的通用途径。所提模型命名为 TLCD-LSTM，即凌星光变曲线去趋势 LSTM（Transit Light Curve Detrending LSTM）。本文展示了基于斯皮策空间望远镜上 IRAC 相机对 HD 189733b 的六次凌星观测数据的首批结果，并讨论了其若干可能的进一步应用。
引用
@article{arxiv.2001.03370,
title = {Detrending Exoplanetary Transit Light Curves with Long Short-Term Memory Networks},
author = {Mario Morvan and Nikolaos Nikolaou and Angelos Tsiaras and Ingo P. Waldmann},
journal= {arXiv preprint arXiv:2001.03370},
year = {2020}
}
备注
12 pages, 10 figures, 4 tables, accepted for publication in The Astronomical Journal