利用大气反应网络中的多元信息推断系外行星非平衡态

从系外行星的大气层推断其性质，同时面对我们所欲推导量上的低分辨率与低信噪比，对观测所收集的数据提出了严苛要求。更令此挑战复杂化的是，系外行星性质的推断建立在正向模型之上，而后者可能因大气物理与化学中不完整或不准确的假设而包含误差。观测噪声与模型误差的交织，使得开发能够识别对低信噪比与模型误差均稳健的预测特征的技术，对系外行星科学愈发重要。我们展示了如何通过利用当前大气模型中已被低估的多元信息（包括热力学统计量与反应网络结构）同时应对这两个问题。为此，我们提供了一个关于热木星大气中垂直混合（以涡旋扩散参数化）预测的案例分析，并展示了预测效能如何依赖于所用模型信息——例如化学物种丰度、网络统计量和/或热力学统计量。我们还展示了具有最强预测能力的变量如何随行星性质（如温度与金属丰度）而变化。我们的结果表明，基于单一指标的推断在所有可能用例中并不具备效用。我们也展示了从网络分析导出的统计度量在考虑缺失数据或观测不确定性的可能性时往往是更好的预测因子。我们讨论了将多元与网络模型信息作为框架的未来方向，以提升针对提取系外行星大气相关特征及未来在类地世界生命探测中应用的推断的可信度。