用深度学习识别系外行星：Kepler-80 周围的五行星共振链与 Kepler-90 的第八颗行星
地球与行星天体物理
2018-02-14 v1 天体物理仪器与方法
摘要
NASA 的 Kepler 太空望远镜旨在确定类太阳恒星周围地球大小行星的频率，但这些行星正处于任务探测灵敏度的边缘。准确确定这些行星的出现率将需要自动且准确地评估单个候选体确实为行星的可能性，即使在低信噪比下。我们提出一种使用深度学习（一类近期在各种任务中成为最先进技术的机器学习算法）对潜在行星信号进行分类的方法。我们训练了一个深度卷积神经网络来预测给定信号是凌星系外行星还是由天体物理或仪器现象引起的假阳性。我们的模型在按其为行星的可能性对单个候选体排序方面非常有效：在我们的测试集中，98.8% 的情况下它将合理的行星信号排在假阳性信号之上。我们将模型应用于在一组已知 Kepler 多行星系统搜索中识别出的新候选信号集。我们统计验证了两颗由模型高置信度识别的新行星。其中一颗是 Kepler-80 周围五行星共振链的一部分，其轨道周期与三体 Laplace 关系的预测紧密吻合。另一颗环绕 Kepler-90，该恒星此前已知拥有七颗凌星行星。我们对第八颗行星的发现使 Kepler-90 与我们的太阳并列成为已知拥有最多行星的恒星。
引用
@article{arxiv.1712.05044,
title = {Identifying Exoplanets with Deep Learning: A Five Planet Resonant Chain around Kepler-80 and an Eighth Planet around Kepler-90},
author = {Christopher J. Shallue and Andrew Vanderburg},
journal= {arXiv preprint arXiv:1712.05044},
year = {2018}
}
备注
Accepted for publication in the Astronomical Journal. 23 pages, 12 figures, 6 tables