用于自动识别新微量组分的机器学习方法

分析现代光谱数据集的主要困难之一在于数据量庞大。例如，在大气透射光谱中，ESA ExoMars2016 卫星（称为 Trace Gas Orbiter (TGO)）上 NOMAD 仪器的太阳掩星通道（SO）自 2018 年 4 月任务开始至 2020 年 1 月 15 日已产生 $\sim$1000 万条光谱，分属 20000 个采集序列。其他数据集更大，Mars Express 上的 OMEGA 或 Mars Reconnaissance Orbiter 上的 CRISM 约有 $\sim$数十亿条光谱。通常，新谱线是在模型拟合与人工残差分析的漫长迭代过程后被发现的。本文我们提出一种基于无监督机器学习的新方法，以自动探测新微量组分。尽管精确量化不在范围内，该工具也可通过给出少量端元（“源”）及其丰度来快速概括数据集。我们用丰度与源光谱（端元）的线性混合来近似数据集的非线性。我们使用以非负矩阵分解形式的无监督源分离来估计这些量。若干方法在合成与模拟数据上测试。我们的方法专用于探测微量组分光谱而非精确量化。在合成示例中，该方法能在 $10^4$ 条中探测出以 100 条隐藏光谱形式存在的化合物，信噪比为噪声水平的 1.5 倍。针对 CH$_{4}$ 的 NOMAD-SO 模拟光谱结果显示，在有利条件下探测极限处于 100-500 ppt 范围。NOMAD-SO 真实火星数据结果显示，如预期 CO$_{2}$ 与 H$_{2}$O 存在，但 CH$_{4}$ 缺失。不过，我们确认数据库中一组新的意外谱线，由 ACS 仪器团队归因于 CO$_{2}$ 磁偶极。