四合星系统不总是嵌套三合星：一种用于动力学稳定性的机器学习方法
机器学习
2023-08-08 v2 太阳与恒星天体物理
摘要
四合星系统的动力学稳定性传统上被视为由两个构成四合星的‘嵌套’三合星组成的问题。在这项新颖研究中，我们采用机器学习算法多层感知机（MLP）直接基于稳定性（或长期有界性）对 2+2 和 3+1 四合星进行分类。用于分类的训练数据集各由 个四合星组成，使用高精度直接 体代码 MSTAR 进行积分。我们还对零倾角系统进行了有限的参数空间研究，以直接将四合星与三合星进行比较。我们发现我们的两个四合星 MLP 模型均优于‘嵌套’三合星 MLP 方法，这对 3+1 四合星尤为显著。2+2 MLP 和 3+1 MLP 模型的分类准确率分别为 94% 和 93%，而‘嵌套’三合星方法的得分分别为 88% 和 66%。这对四合星族合成研究具有重要意义。我们的 MLP 模型非常简单且几乎可即时实现，已在 GitHub 上提供，并附有访问它们的 Python3 脚本。
引用
@article{arxiv.2301.09930,
title = {Quadruple-star systems are not always nested triples: a machine learning approach to dynamical stability},
author = {Pavan Vynatheya and Rosemary A. Mardling and Adrian S. Hamers},
journal= {arXiv preprint arXiv:2301.09930},
year = {2023}
}
备注
Accepted for publication by MNRAS