Nigraha：基于机器学习的 TESS 行星候选体识别与评估流水线
地球与行星天体物理
2021-02-23 v2 天体物理仪器与方法
机器学习
摘要
凌星系外行星巡天卫星（TESS）现已运行略超过两年，完成了对南北半球各一次的覆盖。TESS 团队使用科学处理运营中心流水线和快速查看流水线处理下传数据以生成后续观测警报。结合社区的其他努力，已发现超过两千颗行星候选体，其中数十颗已被确认为行星。我们提出了我们的流水线 Nigraha，作为对这些方法的补充。Nigraha 结合凌星搜寻、有监督机器学习和详细审查，以高置信度识别先前搜索遗漏的少数行星候选体。特别地，我们识别高信噪比（SNR）浅凌星，其可能代表更多类地行星。本着开放数据探索的精神，我们提供流水线的细节，将我们的有监督机器学习模型和代码作为开源发布，并公开我们在七个扇区中发现的 38 个候选体。该模型可轻松地直接应用于其他扇区。作为未来工作，我们概述了通过加强一些我们此前因缺少一两项数据而保守丢弃对象的处理步骤来提高产出的方法。
引用
@article{arxiv.2101.09227,
title = {Nigraha: Machine-learning based pipeline to identify and evaluate planet candidates from TESS},
author = {Sriram Rao and Ashish Mahabal and Niyanth Rao and Cauligi Raghavendra},
journal= {arXiv preprint arXiv:2101.09227},
year = {2021}
}
备注
15 pages, 18 figures, and 6 tables. Accepted for publication as a full paper in Monthly Notices of the Royal Astronomical Society