系外行星大气演化:基于神经网络的仿真模拟
地球与行星天体物理
2023-02-15 v3 机器学习
摘要
大气质量损失已知在塑造小而近距系外行星的族群特征中起着主导作用。了解此类行星如何演化,可让人“倒转时钟”以推断其形成时的条件。本文中,我们利用 XUV 光致蒸发作为一种演化过程,探究行星核质量与原行星盘消散后其大气质量之间的关系。历史上,由于需要大量行星模型,此类推断问题在计算上不可行;然而,我们采用了一种新颖的大气演化仿真器,其利用神经网络实现了三个数量级的速度提升。首先,我们在一个真实问题上为该仿真器提供概念验证,即推断 TOI-270 多行星系统的初始大气条件。与使用原始模型相比,我们利用仿真器得到了几乎不可区分的结果。随后,我们将仿真器应用于更复杂的推断问题,旨在为一群具有良好约束质量和半径的 \textit{Kepler}、\textit{K2} 和 \textit{TESS} 行星寻找初始条件。我们证明,核质量与盘消散后所保留的大气质量之间存在关系,且该趋势与“蒸离”情景一致——在该情景中,近距行星在盘消散期间经历剧烈的大气逃逸。因此,系外行星族群似乎与以下观点一致:近距系外行星最初获得了大质量大气,其中大部分在盘消散期间丢失;之后最终族群在 100~Myr 到 Gyr 的时间尺度上由大气损失塑造。
引用
@article{arxiv.2110.15162,
title = {Exoplanet atmosphere evolution: emulation with neural networks},
author = {James G. Rogers and Clàudia Janó Muñoz and James E. Owen and T. Lucas Makinen},
journal= {arXiv preprint arXiv:2110.15162},
year = {2023}
}
备注
16 pages, 10 figures. Accepted for publication in MNRAS