論文の概要: Short-Period Variables in TESS Full-Frame Image Light Curves Identified via Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2402.12369v2
• Date: Thu, 03 Oct 2024 03:11:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-04 23:26:46.147796
• Title: Short-Period Variables in TESS Full-Frame Image Light Curves Identified via Convolutional Neural Networks
• Title（参考訳）: 畳み込みニューラルネットワークによるTESSフルフレーム画像曲線の短周期変動
• Authors: Greg Olmschenk, Richard K. Barry, Stela Ishitani Silva, Brian P. Powell, Ethan Kruse, Jeremy D. Schnittman, Agnieszka M. Cieplak, Thomas Barclay, Siddhant Solanki, Bianca Ortega, John Baker, Yesenia Helem Salinas Mamani,
• Abstract要約: 短周期変数の同定を訓練する畳み込みニューラルネットワークを提案する。 ネットワークは,1つのGPU上で5msのTESS30分のケイデンス光曲線で推論を行う。 ネットワークによって識別された14156個の短周期変数のコレクションを提示する。
• 参考スコア（独自算出の注目度）: 0.37187295985559027
• License:
• Abstract: The Transiting Exoplanet Survey Satellite (TESS) mission measured light from stars in ~85% of the sky throughout its two-year primary mission, resulting in millions of TESS 30-minute cadence light curves to analyze in the search for transiting exoplanets. To search this vast dataset, we aim to provide an approach that is both computationally efficient, produces highly performant predictions, and minimizes the required human search effort. We present a convolutional neural network that we train to identify short period variables. To make a prediction for a given light curve, our network requires no prior target parameters identified using other methods. Our network performs inference on a TESS 30-minute cadence light curve in ~5ms on a single GPU, enabling large scale archival searches. We present a collection of 14156 short-period variables identified by our network. The majority of our identified variables fall into two prominent populations, one of short-period main sequence binaries and another of Delta Scuti stars. Our neural network model and related code is additionally provided as open-source code for public use and extension.
• Abstract（参考訳）: トランジット太陽系外惑星探査衛星(TESS)は、2年間の一次ミッションを通して、空の85%の星からの光を観測し、トランジット系外惑星の探索で分析するために、数百万のTESS30分間のケイデンス光曲線を導いた。 この膨大なデータセットを探索するために、計算効率が高く、高い性能の予測を行い、必要な人間の探索作業を最小化するアプローチを提案する。 短周期変数の同定を訓練する畳み込みニューラルネットワークを提案する。 所定の光度曲線の予測を行うためには,他の手法を用いた事前の目標パラメータの特定は不要である。 我々のネットワークは,1つのGPU上で約5msのTESS30分のケイデンス光曲線で推論を行い,大規模なアーカイブ検索を可能にした。 ネットワークによって識別された14156個の短周期変数のコレクションを提示する。 同定された変数の大部分は、短周期の主系列星の1つとデルタ・スクティ星の2つの顕著な集団に分類される。 私たちのニューラルネットワークモデルと関連するコードは、パブリック使用と拡張のためのオープンソースコードとして提供されています。

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)
• Application of Long-Short Term Memory and Convolutional Neural Networks for Real-Time Bridge Scour Prediction [0.0]
  我々は,過去のセンサモニタリングデータに基づいて,橋脚周辺の深度変化を予測するために,ディープラーニングアルゴリズムの力を利用する。 本研究では,Long Short-Term Memory (LSTM) モデルとConvolutional Neural Network (CNN) モデルの性能について検討した。
  論文  参考訳（メタデータ） (2024-04-25T12:04:36Z)
• Computing Transiting Exoplanet Parameters with 1D Convolutional Neural Networks [0.0]
  2つの1次元畳み込みニューラルネットワークモデルが提示される。 1つのモデルは完全な光曲線で動作し、軌道周期を推定する。 もう1つは位相折りたたみ光曲線を演算し、軌道の半主軸と惑星と恒星の半径比の正方形を推定する。
  論文  参考訳（メタデータ） (2024-02-21T10:17:23Z)
• Active search and coverage using point-cloud reinforcement learning [50.741409008225766]
  本稿では,目的探索とカバレッジのためのエンドツーエンドの深層強化学習ソリューションを提案する。 RLの深い階層的特徴学習は有効であり、FPS(Fastthest Point sample)を用いることで点数を削減できることを示す。 また、ポイントクラウドに対するマルチヘッドの注意がエージェントの学習を高速化する上で有効であるが、同じ結果に収束することを示す。
  論文  参考訳（メタデータ） (2023-12-18T18:16:30Z)
• One-dimensional Convolutional Neural Networks for Detecting Transiting Exoplanets [39.58317527488534]
  我々は、異なる望遠鏡とサーベイから得られる光曲線のトランジットを検出することができる人工ニューラルネットワークモデルを開発した。 我々は1次元畳み込みニューラルネットワークモデルを訓練し、検証するために、ケプラー望遠鏡(K2)の延長ミッションに期待されるものを模した人工光曲線を作成しました。
  論文  参考訳（メタデータ） (2023-12-12T10:56:27Z)
• 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)
• When Spectral Modeling Meets Convolutional Networks: A Method for Discovering Reionization-era Lensed Quasars in Multi-band Imaging Data [0.0]
  画像に基づく深層学習により実装された新しい空間幾何学的ベト基準を導入する。 我々は、この手法の最初の応用を、イオン化時代のレンズ付きクエーサーの体系的な探索に適用する。 トレーニングデータセットは、実際の銀河画像の上に偏向した点光源の光を塗って、現実的な銀河クエーサーレンズモデルを生成することで構築される。
  論文  参考訳（メタデータ） (2022-11-26T11:27:13Z)
• Mixed-Precision Neural Network Quantization via Learned Layer-wise Importance [50.00102219630088]
  混合精度量子化(MPQ)は各層に対して最適なビット幅を決定するのを難しくする。 本稿では,すべての指標を同時に取得できる共同学習手法を提案する。 例えば、ResNet18上のインデックスによるMPQ検索は、わずか0.06秒しかかからない。
  論文  参考訳（メタデータ） (2022-03-16T03:23:50Z)
• Accelerating Training and Inference of Graph Neural Networks with Fast Sampling and Pipelining [58.10436813430554]
  グラフニューラルネットワーク(GNN)のミニバッチトレーニングには、多くの計算とデータ移動が必要である。 我々は,分散マルチGPU環境において,近傍サンプリングを用いたミニバッチトレーニングを行うことを支持する。 本稿では,これらのボトルネックを緩和する一連の改良点について述べる。 また,サンプリングによる推論を支援する実験分析を行い,試験精度が実質的に損なわれていないことを示す。
  論文  参考訳（メタデータ） (2021-10-16T02:41:35Z)
• Towards a method to anticipate dark matter signals with deep learning at the LHC [58.720142291102135]
  ニューラルネットワークを用いた簡易暗黒物質モデルとそのシグネチャをLHCで検討した。 通常のモノジェットと逆エネルギーチャネルの欠如に焦点を当てるが、アルゴリズムを訓練するためには、イベント・バイ・イベント・アレーの代わりに2Dヒストグラムでデータを整理する。 これにより、標準モデル(SM)のみとSMと新しい物理信号とを区別する性能が大きく向上する。
  論文  参考訳（メタデータ） (2021-05-25T15:38:13Z)
• Identifying Planetary Transit Candidates in TESS Full-Frame Image Light Curves via Convolutional Neural Networks [1.2583362454189522]
  Transiting Exoplanet Survey Satelliteは、2年間の一次ミッションを通して、空の75%の恒星からの光を測定しました。 何百万ものTESS 30分のケイデンス光曲線は、通過する太陽系外惑星の探索で分析する。 本稿では,惑星通過信号の同定と偽陽性の除去を訓練する畳み込みニューラルネットワークを提案する。 我々は、我々のネットワークによって特定された181個の新しい惑星候補を提示する。
  論文  参考訳（メタデータ） (2021-01-26T16:40:51Z)

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。