用于系外行星快速参数估计的多层感知机与几何反照率光谱
地球与行星天体物理
2020-04-29 v1 天体物理仪器与方法
摘要
目前处于概念和设计阶段的未来空间望远镜旨在观测系外行星的反射光光谱。评估给定的设想任务与仪器设计参数是否能提供适于约束感兴趣量的数据，通常需要进行耗时的反演研究，其中将数万至数十万个模型与具有给定假定信噪比的数据进行比较，从而限制了设计迭代的速度。在此，我们提出一种新颖的机器学习方法，采用五个在系外巨行星模型反照率光谱上训练的多层感知机（MLP），根据模拟观测光谱估算行星的大气金属丰度、重力、有效温度和云属性。我们开发的独立 C++ 代码可在数分钟至数小时内（取决于输入光谱的维度和期望输出）在新的训练集上训练新的 MLP。MLP 训练后可在不到一秒内对新的输入光谱进行分类，有望助力加快观测与任务设计规划。其中四个 MLP 被调谐以适配不同水平的谱噪声。第五个 MLP 针对用户对噪声水平不确定的情况而开发。MLP 使用在金属丰度、重力、温度和云属性上变化的模型光谱网格进行训练。我们在含噪模型以及木星和土星的观测光谱上测试了 MLP。应用于含噪模型时的均方根误差与模型网格间隔同量级。结果表明，训练好的 MLP 是一种可靠的现场估计稳健手段，提供了一种易于定制且使用快捷的优雅人工智能。
引用
@article{arxiv.1911.03997,
title = {Multilayer Perceptron and Geometric Albedo Spectra for Quick Parameter Estimations of Exoplanets},
author = {Timothy K Johnsen and Mark S Marley},
journal= {arXiv preprint arXiv:1911.03997},
year = {2020}
}
备注
15 pages, 8 figures, 3 tables, 36 references, submitted to publisher and in revision process