如何最优采样系外行星光谱的模型网格？

大气模型网格的构建与实现是系外行星表征中的常用工具。这些网格通常线性地变化若干参数，为每种参数值组合包含一个模型。此处我们研究替代的参数采样方法，包括随机采样与拉丁超立方（LH）采样，并比较它们与线性采样网格的优劣。我们使用随机森林分析这些网格对两种不同模型的性能，并研究 Goyal et al. 2019 特定模型网格的信息量。我们还使用嵌套采样，通过在线性采样模型网格上插值，对模拟的 JWST 透射光谱实施模拟大气反演。我们的结果表明，对于高维模型，随机或 LH 采样在参数可预测性上优于线性采样，且网格所需模型更少，从而允许使用计算更密集的正向模型。我们还发现，在线性网格上插值并使用传统反演会产生有偏后验分布，尤其对光谱具有非线性效应的参数。特别地，我们建议在对 C/O 比、云性质和金属丰度进行线性插值时谨慎。最后，我们发现 Goyal et al. 2019 网格的信息量分析能够突出光谱中可探测某些分子存在与否的关键区域，为温度与 C/O 比等参数提供良好指示。