VADER：用于推断年轻恒星周围行星质量与气尘盘性质的自编码器

我们提出 \textbf{VADER}（Variational Autoencoder for Disks Embedded with Rings），用于从原行星盘（PPD）的高分辨率 ALMA 尘埃连续谱图像中推断行星质量与全局盘性质。VADER 是一种概率深度学习模型，能够直接从原行星盘图像中实现行星质量、$\alpha$-粘度、尘气比、Stokes 数、盘耀斑指数及行星数量的不确定性感知推断。VADER 在超过 100,000 张由 \texttt{FARGO3D} 模拟生成并经 \texttt{RADMC3D} 后处理的 PPD 合成图像上进行训练。我们训练的模型从 PPD 尘埃连续谱图像中预测物理行星与盘参数的 $R^2 > 0.9$。应用于 23 个真实盘时，VADER 的质量估计与文献值一致，并揭示了反映已知盘物理的潜在相关性。我们的结果确立了基于 VAE 的生成模型作为概率天体物理推断的稳健工具，在大干涉测量时代对解释原行星盘次结构具有直接应用。