ExoGAN：利用深度卷积生成对抗网络检索系外行星大气
天体物理仪器与方法
2018-11-28 v2 地球与行星天体物理
摘要
系外行星的大气检索通常涉及计算密集的贝叶斯采样方法。大参数空间与日益复杂的大气模型造成了计算瓶颈，迫使在统计采样精度与模型复杂度之间权衡。对于即将到来的 JWST 与 ARIEL 观测尤为如此。我们引入 ExoGAN，即系外行星生成对抗网络（Exoplanet Generative Adversarial Network），一种能够利用无监督学习识别分子特征、大气痕量气体丰度与行星参数的新深度学习算法。一旦训练完成，ExoGAN 可广泛适用于大量仪器与行星类型。ExoGAN 的检索相较传统检索有显著的速度提升，既可作为最终的大气分析，也可为后续检索提供先验约束。
关键词
引用
@article{arxiv.1806.02906,
title = {ExoGAN: Retrieving Exoplanetary Atmospheres Using Deep Convolutional Generative Adversarial Networks},
author = {Tiziano Zingales and Ingo Peter Waldmann},
journal= {arXiv preprint arXiv:1806.02906},
year = {2018}
}
备注
19 pages, 17 figures, 7 tables