基于卷积神经网络的系外卫星测光搜索
地球与行星天体物理
2021-12-08 v1 天体物理仪器与方法
机器学习
摘要
迄今为止，太阳系外（系外卫星）尚无确认的卫星。系外卫星为我们提供了新的可能宜居之地，这些地方也可能位于经典宜居带之外。但迄今为止，由于采用经典统计方法，系外卫星的搜索需要大量计算资源。研究表明，可分别通过使用深度学习和卷积神经网络（CNNs）来发现系外卫星信号，这些网络以合成光变曲线与无凌星的真实光变曲线组合进行训练。研究发现，由合成与观测光变曲线组合训练的CNNs可用于在Kepler数据集或类似数据集中发现半径约为2-3倍地球及以上大小的卫星。在未来的如行星凌星与恒星振荡（PLATO）等任务中使用神经网络可能实现对系外卫星的探测。
引用
@article{arxiv.2111.02293,
title = {Photometric Search for Exomoons by using Convolutional Neural Networks},
author = {Lukas Weghs},
journal= {arXiv preprint arXiv:2111.02293},
year = {2021}
}
备注
11 pages, 4 figures