DELOS：基于对比学习框架检测 Kepler 光度学中的浅 transit
计算与语言
2026-05-29 v1
摘要
我们提出了 DEtection in phase-folded Light curves with cOntrastive Scoring (DELOS)，一个基于对比学习的框架，用于在 Kepler 光度学中搜索浅 transit。DELOS 结合了 GPU 加速的相位折叠、优化的相位分箱和自定义的一维卷积编码器，对每个折叠光曲线赋予一个类似 transit 的得分，从而在不依赖于预检测的阈值跨越事件的情况下，生成得分周期图。我们聚焦于周期为 100-150 天的中长期信号，使用 DELOS 在 2000 万个带有真实 transit 模型和 Kepler 类噪声特性的合成光曲线上进行训练，在合成验证集上实现了 99.3% 的验证准确率。在受控的注入-恢复实验中，DELOS 在低信噪比 (low-SNR) 条件下相对于 Box-fitting Least Squares (BLS) 提高了 15.5% 的综合精确率-召回率性能，相对于 Transit Least Squares (TLS) 提高了 11.25%。它相对于 BLS 和 TLS 分别加速了约 3-5 倍和 74-80 倍。应用于精选的 Kepler 验证样本，DELOS 在测试的周期范围内恢复了所有已知的浅中长期 transit 信号。这些结果表明，DELOS 提供了一个高效且灵敏的低-SNR transit 搜索框架，标志着对 Kepler、K2、TESS、PLATO 和 Earth 2.0 数据中更长周期地球型行星搜索的实际进展。因此，本工作旨作为方法论发展与验证研究，详细的天体物理验证留待后续工作进行。
关键词
引用
@article{arxiv.2605.29427,
title = {FinGuard: Detecting Financial Regulatory Non-Compliance in LLM Interactions},
author = {Huaixia Dou and Jie Zhu and Minghao Wu and Shuo Jiang and Junhui Li and Lifan Guo and Feng Chen and Chi Zhang},
journal= {arXiv preprint arXiv:2605.29427},
year = {2026}
}