論文の概要: Follow the Water: Finding Water, Snow and Clouds on Terrestrial Exoplanets with Photometry and Machine Learning

• arxiv url: http://arxiv.org/abs/2203.04201v1
• Date: Tue, 8 Mar 2022 17:03:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-09 16:07:53.861001
• Title: Follow the Water: Finding Water, Snow and Clouds on Terrestrial Exoplanets with Photometry and Machine Learning
• Title（参考訳）: 水を追う:光度計と機械学習による地球外惑星上の水、雪、雲の発見
• Authors: Dang Pham and Lisa Kaltenegger
• Abstract要約: 我々は、ブロードバンドフィルタ光度計を用いて、機械学習を用いて外惑星の表面の水を特定する。 計画された小型で大型の望遠鏡のミッションは、これを時間的な追跡観測のための目標の優先順位付けに役立てることができる。
• 参考スコア（独自算出の注目度）: 0.6091702876917281
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: All life on Earth needs water. NASA's quest to follow the water links water to the search for life in the cosmos. Telescopes like JWST and mission concepts like HabEx, LUVOIR and Origins are designed to characterise rocky exoplanets spectroscopically. However, spectroscopy remains time-intensive and therefore, initial characterisation is critical to prioritisation of targets. Here, we study machine learning as a tool to assess water's existence through broadband-filter reflected photometric flux on Earth-like exoplanets in three forms: seawater, water-clouds and snow; based on 53,130 spectra of cold, Earth-like planets with 6 major surfaces. XGBoost, a well-known machine learning algorithm, achieves over 90\% balanced accuracy in detecting the existence of snow or clouds for S/N$\gtrsim 20$, and 70\% for liquid seawater for S/N $\gtrsim 30$. Finally, we perform mock Bayesian analysis with Markov-chain Monte Carlo with five filters identified to derive exact surface compositions to test for retrieval feasibility. The results show that the use of machine learning to identify water on the surface of exoplanets from broadband-filter photometry provides a promising initial characterisation tool of water in different forms. Planned small and large telescope missions could use this to aid their prioritisation of targets for time-intense follow-up observations.
• Abstract（参考訳）: 地球上のすべての生命には水が必要です。 nasaが水に従おうという試みは、水と宇宙における生命の探索を結びつけるものである。 JWSTやHabEx、LUVOIR、Originsといったミッションの概念は、岩石系外惑星を分光的に特徴付けるように設計されている。 しかし、スペクトロスコピーは時間を要するため、ターゲットの優先順位付けには初期特徴付けが不可欠である。 ここでは,6つの主表面を持つ寒冷な地球型惑星の53,130のスペクトルに基づいて,海,水雲,雪の3つの形態で地球型外惑星に反射した光度フラックスを用いて,水の存在を評価するためのツールとして機械学習を研究する。 有名な機械学習アルゴリズムであるXGBoostは、S/N$\gtrsim 20$、S/N$\gtrsim 30$の液体海水に対する雪や雲の存在を検出する上で、90%以上のバランスの取れた精度を達成する。 最後に,マルコフ鎖モンテカルロを用いたモックベイズ解析を行い,検索可能性をテストするために,正確な表面組成を導出する5つのフィルタを同定した。 その結果、広帯域フィルター光度計による太陽系外惑星表面の水の同定に機械学習を用いることにより、異なる形態の水の有望な初期キャラクタリゼーションツールが得られることがわかった。 計画された小型で大型の望遠鏡のミッションは、これを時間的な追跡観測のための目標の優先順位付けに役立てることができる。

関連論文リスト

• The Clear Sky Corridor: Insights Towards Aerosol Formation in Exoplanets Using An AI-based Survey of Exoplanet Atmospheres [0.0]
  我々は人工知能を用いて、公開されているHST WFC3データセットの均一な伝送スペクトルを生成する。 280から2580ケルビンの温度を持つ43個の太陽系外惑星を調査し、熱い木星の1.4 mにおける水バンドの振幅と平衡温度の関係をモデル化した。 興味深いことに、惑星の質量対平衡温度図では、700から1700のケルビンの惑星がより強い1.4um H2O帯の測定値を示す「クラー・スカイ・コリドール」が示される。
  論文  参考訳（メタデータ） (2024-10-09T12:00:56Z)
• Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
  本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。 車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。 ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
  論文  参考訳（メタデータ） (2024-10-08T10:35:32Z)
• DBNets: A publicly available deep learning tool to measure the masses of young planets in dusty protoplanetary discs [49.1574468325115]
  我々は、原始惑星系円盤から埋め込まれたとされる惑星の質量を素早く推定するDBNetsを開発した。 アウト・オブ・ディストリビューション・データでツールを広範囲にテストしました。 DBNetはトレーニング範囲外において、特定のしきい値以上の不確実性を返す入力を強く識別することができる。 光学的に薄い状態において、約60deg以下の傾斜で観測された円盤にのみ確実に適用することができる。
  論文  参考訳（メタデータ） (2024-02-19T19:00:09Z)
• Onboard Science Instrument Autonomy for the Detection of Microscopy Biosignatures on the Ocean Worlds Life Surveyor [2.526702791640305]
  地球外生命の探索は、文明レベルの意味を持つ重要な科学的取り組みである。 生命の正確な定義の欠如は、検出戦略の定式化に根本的な課題をもたらす。 本稿では,Jet Propulsion LaboratoryのOcean Worlds Life Surveyorプロトタイプ機器スイートの一部として開発された2つのOSIA実装について述べる。
  論文  参考訳（メタデータ） (2023-04-25T23:10:02Z)
• Exoplanet Cartography using Convolutional Neural Networks [0.0]
  近未来には、専用の望遠鏡が反射光で地球に似た太陽系外惑星を観測し、その特性を評価できる。 巨大な距離のため、全ての太陽系外惑星は単一のピクセルとなるが、そのスペクトルフラックスの時間変化は惑星の表面や大気に関する情報を保持する。 本研究では, 惑星の自転軸, 表面, 雲マップをシミュレーションした単画素フラックスと偏光観測から取得するための畳み込みニューラルネットワークをテストする。
  論文  参考訳（メタデータ） (2022-04-25T17:52:20Z)
• Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
  本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。 本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
  論文  参考訳（メタデータ） (2022-04-24T15:23:25Z)
• Identifying Exoplanets with Machine Learning Methods: A Preliminary Study [1.553390835237685]
  本研究では,太陽系外惑星の同定に機械学習を用いた手法を提案する。 我々はケプラー宇宙観測所からNASAが収集したケプラーデータセットを用いて教師あり学習を行った。 我々はまた、k平均クラスタリングを用いて、確認された外惑星を異なるクラスタに分割する教師なし学習も行った。
  論文  参考訳（メタデータ） (2022-04-01T23:48:26Z)
• Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions [49.79068659889639]
  火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。 高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。 また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-12T12:52:20Z)
• Big Plastic Masses Detection using Sentinel 2 Images [91.3755431537592]
  このコミュニケーションは、地球観測衛星システムを用いて、海や海におけるプラスチック(海洋ゴミ)の大きな塊の検出に関する予備的な研究を記述している。
  論文  参考訳（メタデータ） (2021-03-17T10:45:33Z)
• Planet cartography with neural learned regularization [0.0]
  惑星の手続き的生成に基づく地球外惑星のマッピング手法を提案する。 また、雲状惑星における表面の回復と永続的な雲の存在のマッピングも検討している。 これは、活動的な気候システムを検出するために太陽系外惑星で実施できる最初のテストとなる。
  論文  参考訳（メタデータ） (2020-12-08T14:57:33Z)
• DeepShadows: Separating Low Surface Brightness Galaxies from Artifacts using Deep Learning [70.80563014913676]
  本研究では,低地光度銀河と人工物とを分離する問題に対する畳み込みニューラルネットワーク(CNN)の利用について検討する。 我々は、CNNが低地光度宇宙の研究に非常に有望な道を提供することを示した。
  論文  参考訳（メタデータ） (2020-11-24T22:51:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。