用机器学习代理模型复现系外行星大气参数反演的贝叶斯后验分布
地球与行星天体物理
2023-10-17 v1 天体物理仪器与方法
机器学习
数据分析、统计与概率
摘要
我们描述了一种基于机器学习的代理模型，用于复现系外行星大气参数的贝叶斯后验分布，这些分布源自凌星行星透射光谱、由TauRex等典型反演软件推导得出。该模型在七个参数的真实分布上训练：行星半径、大气温度，以及五种常见吸收体：、、、和的混合比。通过对特征进行领域启发的预处理，并利用半监督学习以借助大量可用的无标签训练数据，增强了模型性能。该模型是2023年Ariel机器学习数据挑战的获胜方案之一。
引用
@article{arxiv.2310.10521,
title = {Reproducing Bayesian Posterior Distributions for Exoplanet Atmospheric Parameter Retrievals with a Machine Learning Surrogate Model},
author = {Eyup B. Unlu and Roy T. Forestano and Konstantin T. Matchev and Katia Matcheva},
journal= {arXiv preprint arXiv:2310.10521},
year = {2023}
}
备注
14 pages, 8 figures, 2 tables, Proceedings in the European Conference, ECML PKDD 2023