ExoMiner++：增强型 2 分钟 TESS 数据的流星分类与新 Vetting 目录
地球与行星天体物理
2025-05-21 v4 天体物理仪器与方法
机器学习
摘要
我们提出 ExoMiner++，一个增强型深度学习模型，建立在 ExoMiner 成功基础上，用于改进 2 分钟 TESS 数据中的流星信号分类。ExoMiner++ 融合了额外的诊断输入，包括 periodogram、flux trend、difference image、unfolded flux 和 spacecraft attitude control data，这些都是有效区分流星信号与更具挑战性的误报来源所必需的。为进一步提升性能，我们利用多源训练，将来自太空望远镜 Kepler 的高质量标记数据与 TESS 数据组合。这种方法缓解了 TESS 噪声更大且标记更模糊的影响。ExoMiner++ 在各种分类和排序指标上实现高准确率，显著缩小了后续调查以确认新行星的搜索范围。为服务行星社区，我们引入新的 TESS 目录，包含 ExoMiner++ 的分类和每个流星信号的置信度得分。在 147,568 个未标记 TCEs 中，ExoMiner++ 识别出 7,330 个作为行星候选对象，其余被分类为误报。这 7,330 个行星候选对象对应 1,868 个现有 TESS Objects of Interest (TOIs)、69 个社区 TESS Objects of Interest (CTOIs) 以及 50 个新引入的 CTOIs。1,797 个之前在 ExoFOP 标记为行星候选对象的 TOIs 被 ExoMiner++ 分类为行星候选对象。这种对可能的候选对象的减少，结合 ExoMiner++ 优异的排序质量，使后续工作聚焦于最可能的候选对象，从而提高了整体行星产量。
引用
@article{arxiv.2502.09790,
title = {ExoMiner++: Enhanced Transit Classification and a New Vetting Catalog for 2-Minute TESS Data},
author = {Hamed Valizadegan and Miguel J. S. Martinho and Jon M. Jenkins and Joseph D. Twicken and Douglas A. Caldwell and Patrick Maynard and Hongbo Wei and William Zhong and Charles Yates and Sam Donald and Karen A. Collins and David Latham and Khalid Barkaoui and Michael L. Calkins and Kylee Carden and Nikita Chazov and Gilbert A. Esquerdo and Tristan Guillot and Vadim Krushinsky and Grzegorz Nowak and Benjamin V. Rackham and Amaury Triaud and Richard P. Schwarz and Denise Stephens and Chris Stockdale and Cristilyn N. Watkins and Francis P. Wilkin},
journal= {arXiv preprint arXiv:2502.09790},
year = {2025}
}