多输出随机森林回归模拟行星形成的最早阶段
地球与行星天体物理
2021-04-28 v1 天体物理仪器与方法
机器学习
摘要
在当前的行星形成研究范式中，认为形成大质量天体（如小行星和行星）的第一步需要漂浮于空间中的小型星际尘埃颗粒相互碰撞并增长至更大尺寸。这些卵石的初始形成由称为Smoluchowski凝聚方程的积分微分方程支配，除最简场景外该方程无解析解。虽已开发暴力近似方法，但其计算成本高昂，目前难以模拟该过程并同时包含与行星形成相关的其他物理过程，以及跨越其发生的极大尺度范围。本文中，我们采用机器学习方法设计一套更快速近似的系统。我们开发了在多输出暴力仿真数据上训练的多输出随机森林回归模型，以近似原行星盘中不同时刻的尘埃颗粒尺寸分布。我们的随机森林模型性能针对现有暴力模型（现实仿真的标准）进行了衡量。结果表明，随机森林模型相对于暴力仿真结果可生成高度准确的预测，其为0.97，且速度显著快于暴力方法。
引用
@article{arxiv.2104.12845,
title = {Multi-Output Random Forest Regression to Emulate the Earliest Stages of Planet Formation},
author = {Kevin Hoffman and Jae Yoon Sung and André Zazzera},
journal= {arXiv preprint arXiv:2104.12845},
year = {2021}
}