論文の概要: Discovery of Small Ultra-short-period Planets Orbiting KG Dwarfs in Kepler Survey Using GPU Phase Folding and Deep Learning Detection System
- arxiv url: http://arxiv.org/abs/2312.17382v3
- Date: Sat, 14 Sep 2024 07:18:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-18 03:17:40.783793
- Title: Discovery of Small Ultra-short-period Planets Orbiting KG Dwarfs in Kepler Survey Using GPU Phase Folding and Deep Learning Detection System
- Title(参考訳): GPU位相Foldingとディープラーニング検出システムを用いたケプラーサーベイにおけるKGドワーフを周回する小型超短周期惑星の発見
- Authors: Kaitlyn Wang, Jian Ge, Kevin Willis, Kevin Wang, Yinan Zhao, Quanquan Hu,
- Abstract要約: 我々は、ケプラー測光データに、畳み込みニューラルネットワークと組み合わせた新しいGPU位相FoldingアルゴリズムであるGPFC法を用いる。
現在までに、我々は5つの新しい超短周期惑星(USP)を特定している。
Kepler-158d、Kepler-963c、Kepler-879c、Kepler-1489c、KOI-4978.02は、主星に最も近い最小の惑星である。
- 参考スコア(独自算出の注目度): 3.766418873729154
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Of over 5,000 exoplanets identified so far, only a few hundred possess sub-Earth radii. The formation processes of these sub-Earths remain elusive, and acquiring additional samples is essential for investigating this unique population. In our study, we employ the GPFC method, a novel GPU Phase Folding algorithm combined with a Convolutional Neural Network, on Kepler photometry data. This method enhances the transit search speed significantly over the traditional Box-fitting Least Squares method, allowing a complete search of the known Kepler KOI data within days using a commercial GPU card. To date, we have identified five new ultra-short-period planets (USPs): Kepler-158d, Kepler-963c, Kepler-879c, Kepler-1489c, and KOI-4978.02. Kepler-879c with a radius of $0.4 R_\oplus$ completes its orbit around a G dwarf in 0.646716 days. Kepler-158d with a radius of $0.43 R_\oplus$ orbits a K dwarf star every 0.645088 days. Kepler-1489c with a radius of $0.51 R_\oplus$ orbits a G dwarf in 0.680741 days. Kepler-963c with a radius of $0.6 R_\oplus$ revolves around a G dwarf in 0.919783 days, and KOI-4978.02 with a radius of $0.7 R_\oplus$ circles a G dwarf in 0.941967 days. Among our findings, Kepler-879c, Kepler-158d and Kepler-963c rank as the first, the third, the fourth smallest USPs identified to date. Notably, Kepler-158d stands as the smallest USP found orbiting K dwarfs while Kepler-963c, Kepler-879c, Kepler-1489c, and KOI-4978.02 are the smallest USPs found orbiting G dwarfs. Kepler-879c, Kepler-158d, Kepler-1489c, and KOI-4978.02 are among the smallest planets that are closest to their host stars, with orbits within 5 stellar radii. In addition, these discoveries highlight GPFC's promising capability in identifying small, new transiting exoplanets within photometry data from Kepler, TESS, and upcoming space transit missions, PLATO and ET.
- Abstract(参考訳): これまでに確認された5,000以上の太陽系外惑星のうち、地球下半径を持つものはわずか数百である。
これらのサブアースの形成過程はいまだ解明されておらず、このユニークな個体群を調査するためには追加のサンプルを取得することが不可欠である。
本研究では,ケプラー測光データに新しいGPU位相Foldingアルゴリズムと畳み込みニューラルネットワークを組み合わせたGPFC法を適用した。
この方法では、従来のBox-fitting Least Squares法よりもトランジット検索速度を大幅に向上し、商用GPUカードを使用して、既知のKepler KOIデータを数日以内に完全に検索することができる。
現在までに、ケプラー-158d、ケプラー963c、ケプラー-879c、ケプラー1489c、KoI-4978.02の5つの新しい超短周期惑星を発見した。
半径0.4R_\oplus$のケプラー-879cは、0.646716日でG小星の周りを公転する。
半径0.43 R_\oplus$のケプラー-158dは、0.645088日ごとにK小星を公転している。
半径0.51 R_\oplus$のケプラー1489cは、0.680741日でG小星を公転する。
半径が0.6 R_\oplus$のケプラー-963cは0.9 19783日、半径が0.7 R_\oplus$の円は0.94 1967日である。
このうちケプラー879c、ケプラー158d、ケプラー963cが第1位、第3位、第4位であった。
特にケプラー-158dはK小星を公転する最小のUSPであり、ケプラー-963c、ケプラー-879c、ケプラー-1489c、KOI-4978.02はG小星を公転する最小のUSPである。
ケプラー879c、ケプラー158d、ケプラー1489c、KoI-4978.02は、主星に最も近い最小の惑星の一つで、5つの恒星半径内を公転している。
さらに、これらの発見は、ケプラー、TESS、および今後の宇宙輸送ミッションであるPLATO、ETからの測光データの中で、GPFCが小型で新しいトランジット系外惑星を識別する有望な能力を強調している。
関連論文リスト
- Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。
本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
論文 参考訳(メタデータ) (2024-07-12T18:00:02Z) - Machine learning-based identification of Gaia astrometric exoplanet orbits [0.0]
第3次ガイアデータリリース(DR3)は、太陽の500pcの範囲内に位置する2体の天体の軌道解を$sim$170 000である。
この方法では、外惑星、ブラウンドワーフ、恒星、ブラックホールを含むいくつかのDR3二体系が確認されている。
我々は、外惑星とブラウンドワーフコンパニオンの最適候補を特定することを目的として、DR3軌道解のみを用いる機械学習アプローチを開発した。
論文 参考訳(メタデータ) (2024-04-14T20:17:14Z) - Exoplanets Prediction in Multi-Planetary Systems and Determining the
Correlation Between the Parameters of Planets and Host Stars Using Artificial
Intelligence [0.0]
我々は、少なくとも3つ以上の確認済みの惑星を収容する229個の多惑星系で、さらに太陽系外惑星を探索する。
我々は効率的な機械学習手法を用いて、762個の太陽系外惑星と8個の太陽系外惑星からなるデータセットを解析した。
巨大惑星では、惑星半径と主星の質量の間に強い相関関係が見られ、惑星形成と恒星の性質の関係に関する興味深い洞察を与えるかもしれない。
論文 参考訳(メタデータ) (2024-02-27T21:28:08Z) - DBNets: A publicly available deep learning tool to measure the masses of
young planets in dusty protoplanetary discs [49.1574468325115]
我々は、原始惑星系円盤から埋め込まれたとされる惑星の質量を素早く推定するDBNetsを開発した。
アウト・オブ・ディストリビューション・データでツールを広範囲にテストしました。
DBNetはトレーニング範囲外において、特定のしきい値以上の不確実性を返す入力を強く識別することができる。
光学的に薄い状態において、約60deg以下の傾斜で観測された円盤にのみ確実に適用することができる。
論文 参考訳(メタデータ) (2024-02-19T19:00:09Z) - Machine learning methods for the search for L&T brown dwarfs in the data
of modern sky surveys [67.17190225886465]
ブラウン・ドワーフ(BD)は、銀河の全ての天体の25%を占めるべきである。
その弱さのため、ブラウン・ドワーフのスペクトル研究は比較的困難である。
多くの試みが、その色を決定規則として使用して茶色の小星を探索し、生成する試みがなされている。
論文 参考訳(メタデータ) (2023-08-06T08:14:35Z) - Deep-learning based measurement of planetary radial velocities in the
presence of stellar variability [70.4007464488724]
我々は、HARPS-N Sun-as-a-star Spectraの3年間の恒星RVジッタを低減するためにニューラルネットワークを使用する。
マルチラインCNNは、半振幅0.2m/s、50日間、振幅8.8%、周期0.7%の誤差で惑星を回復することができる。
論文 参考訳(メタデータ) (2023-04-10T18:33:36Z) - Fast Rates for Maximum Entropy Exploration [52.946307632704645]
エージェントが未知の環境下で活動し、報酬が得られない場合、強化学習(RL)における探索の課題に対処する。
本研究では,最大エントロピー探索問題を2つの異なるタイプで検討する。
訪問エントロピーには、$widetildemathcalO(H3S2A/varepsilon2)$ sample complexity を持つゲーム理論アルゴリズムを提案する。
軌道エントロピーに対しては,次数$widetildemathcalO(mathrmpoly(S,)の複雑さのサンプルを持つ単純なアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-03-14T16:51:14Z) - Geodesic Sinkhorn for Fast and Accurate Optimal Transport on Manifolds [53.110934987571355]
多様体グラフ上の熱核に基づく測地学的シンクホーンを提案する。
化学療法中の患者試料からの高次元単細胞データの複数分布のバリセンタの計算に本法を適用した。
論文 参考訳(メタデータ) (2022-11-02T00:51:35Z) - 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) - Alleviating the Transit Timing Variations bias in transit surveys. II.
RIVERS: Twin resonant Earth-sized planets around Kepler-1972 recovered from
Kepler's false positive [0.0]
ケプラー-1972 c(ケプラー-1972 c)は、ケプラー-1972 bによって摂動される地球サイズの惑星である。
信号の暗さにもかかわらず、RIVERS法を用いて惑星の移動を回収した。
このバイアスを緩和することは、ケプラー系、TESS星のいくつか、そして今後のPLATOミッションの偏見のない視点に不可欠である。
論文 参考訳(メタデータ) (2022-01-27T11:53:13Z) - Exoplanet Detection using Machine Learning [0.0]
トランジット法を用いて外惑星を検出する機械学習に基づく新しい手法を提案する。
ケプラーのデータでは、AUCが0.948である惑星を予測できるため、真の惑星信号の94.8%が非惑星信号よりも高い位置にある。
トランジット系外惑星探査衛星(TESS)のデータでは、我々の方法では光曲線を0.98の精度で分類することができ、0.82のリコールで惑星を0.63の精度で識別できることがわかった。
論文 参考訳(メタデータ) (2020-11-28T14:06:39Z)
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。