面向传输光谱的下代星际大气遥感反演框架（NEXOTRANS）：针对WASP-39 b的JSWST NIRISS、NIRSpec PRISM与MIRI观测的比较性表征
密码学与安全
2025-05-05 v2 人工智能
摘要
JWST的出现标志着星际大气研究进入新纪元，提供的在更广阔光谱范围内比以往太空望远镜更高的分辨率和精度的数据，要求先进的反演框架能够驰御复杂的参数空间。我们提出NEXOTRANS，一种将贝叶斯推断与UltraNest/PyMultiNest集成的大气反演框架，集成了四种机器学习算法：随机森林、梯度提升、K近邻和堆叠回归器。这种混合方法实现了传统贝叶斯方法与计算效率更高的机器学习技术之间的比较。此外，NEXOTRANS集成了NEXOCHEM，用于求解平衡化学。我们将NEXOTRANS应用于JWST对Saturn质量的系外行星WASP-39 b的观测，覆盖0.6微米至12.0微米的波段，使用NIRISS、NIRSpec PRISM和MIRI。探索了四种化学模型——自由、平衡、修正混合平衡和修正平衡偏移化学——以精确检索H2O、CO2、CO、H2S和SO2的体积分数（VMR）。NIRSpec PRISM和MIRI数据中的吸收特征限制了SO2 log VMR介于-6.25和-5.73之间（除平衡化学模型外的所有模型）。推断出高海拔气溶胶，包括ZnS和MgSiO3，给出了它们的VMR、粒径和终端覆盖率比例，为云组成提供了洞见。对于最佳拟合的修正混合平衡模型，我们推导出超太阳元素丰度：O/H = 14.12 (+2.86/-1.82) x 太阳，C/H = 21.37 (+4.93/-3.18) x 太阳，S/H = 5.37 (+0.79/-0.65) x 太阳，以及C/O比率为1.35 (+0.05/-0.02) x 太阳，表明NEXOTRANS在JWST时代及以后进行大气表征的潜力。
引用
@article{arxiv.2504.18814,
title = {Zero-Day Botnet Attack Detection in IoV: A Modular Approach Using Isolation Forests and Particle Swarm Optimization},
author = {Abdelaziz Amara Korba and Nour Elislem Karabadji and Yacine Ghamri-Doudane},
journal= {arXiv preprint arXiv:2504.18814},
year = {2025}
}