利用FASTER实现近瞬时大气反演与模型比较

在詹姆斯·韦伯空间望远镜（JWST）时代，系外行星大气光谱的显著改进要求我们分析光谱的能力也相应飞跃：需要对数千条光谱进行大气反演，并对每条光谱应用大型模型集合（探索大气化学、温度廓线和云模型）以识别最佳模型。在这种极限下，传统的贝叶斯推理方法（如嵌套采样）变得过于昂贵。我们引入了FASTER（快速摊销模拟基凌星系外行星反演），这是一种基于神经网络的方法，能够以传统技术计算成本的一小部分执行大气反演和贝叶斯模型比较。我们证明，无论是在模拟光谱上，还是对于WASP-39b的真实NIRSpec PRISM光谱，模型内所有参数的边缘后验分布以及我们考虑的模型的后验概率都与使用嵌套采样计算的结果相匹配。FASTER框架的真正威力在于其摊销性质，这使得训练好的网络能够以极小的额外计算成本，对光谱集合（真实或模拟）执行几乎瞬时的贝叶斯推理和模型比较。这为模型比较的预期结果（例如，区分有云与无云模型、等温与非等温模型）及其对底层参数的依赖性提供了宝贵的见解，而这是嵌套采样在计算上不可行的。这种方法将在光谱分析领域构成与最初基于马尔可夫链蒙特卡洛的反演方法同样巨大的飞跃。