ExoMiner：一种高准确率且可解释的深度学习分类器，验证了 301 颗新系外行星
地球与行星天体物理
2022-02-23 v2 天体物理仪器与方法
机器学习
摘要
kepler 与 TESS 任务已产生超过 100,000 个潜在的凌星信号，必须对其进行处理以建立候选行星目录。在过去几年中，使用机器学习分析这些数据以搜寻新系外行星的兴趣日益增长。与现有机器学习工作不同，本工作提出的深度学习分类器 ExoMiner 模拟领域专家审查诊断测试以 vet 一个凌星信号的方式。ExoMiner 是一种高准确率、可解释且鲁棒的分类器，它 1）使我们能够从 MAST Kepler Archive 中验证 301 颗新系外行星，且 2）具有足够的通用性，可应用于诸如进行中的 TESS 任务等跨任务场景。我们进行了广泛的实验研究，以验证 ExoMiner 在不同分类与排序指标上比现有凌星信号分类器更可靠、更准确。例如，在固定 99% 精确率下，ExoMiner 检索出测试集中全部系外行星的 93.6%（即 recall=0.936），而现有最佳分类器该比率为 76.3%。此外，ExoMiner 的模块化设计有利于其可解释性。我们引入了一个简单的可解释性框架，向专家反馈 ExoMiner 将凌星信号分类为特定类标签（例如候选行星或非候选行星）的原因。
引用
@article{arxiv.2111.10009,
title = {ExoMiner: A Highly Accurate and Explainable Deep Learning Classifier that Validates 301 New Exoplanets},
author = {Hamed Valizadegan and Miguel Martinho and Laurent S. Wilkens and Jon M. Jenkins and Jeffrey Smith and Douglas A. Caldwell and Joseph D. Twicken and Pedro C. Gerum and Nikash Walia and Kaylie Hausknecht and Noa Y. Lubin and Stephen T. Bryson and Nikunj C. Oza},
journal= {arXiv preprint arXiv:2111.10009},
year = {2022}
}
备注
Accepted for Publication in Astrophysical Journals, November 12, 2021