論文の概要: Machine learning-based identification of Gaia astrometric exoplanet orbits
- arxiv url: http://arxiv.org/abs/2404.09350v1
- Date: Sun, 14 Apr 2024 20:17:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-16 14:18:53.673185
- Title: Machine learning-based identification of Gaia astrometric exoplanet orbits
- Title（参考訳）: 機械学習によるガイア天文外惑星軌道の同定
- Authors: Johannes Sahlmann, Pablo Gómez,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The third Gaia data release (DR3) contains $\sim$170 000 astrometric orbit solutions of two-body systems located within $\sim$500 pc of the Sun. Determining component masses in these systems, in particular of stars hosting exoplanets, usually hinges on incorporating complementary observations in addition to the astrometry, e.g. spectroscopy and radial velocities. Several DR3 two-body systems with exoplanet, brown-dwarf, stellar, and black-hole components have been confirmed in this way. We developed an alternative machine learning approach that uses only the DR3 orbital solutions with the aim of identifying the best candidates for exoplanets and brown-dwarf companions. Based on confirmed substellar companions in the literature, we use semi-supervised anomaly detection methods in combination with extreme gradient boosting and random forest classifiers to determine likely low-mass outliers in the population of non-single sources. We employ and study feature importance to investigate the method's plausibility and produced a list of 22 best candidates of which four are exoplanet candidates and another five are either very-massive brown dwarfs or very-low mass stars. Three candidates, including one initial exoplanet candidate, correspond to false-positive solutions where longer-period binary star motion was fitted with a biased shorter-period orbit. We highlight nine candidates with brown-dwarf companions for preferential follow-up. One candidate companion around the Sun-like star G 15-6 could be confirmed as a genuine brown dwarf using external radial-velocity data. This new approach is a powerful complement to the traditional identification methods for substellar companions among Gaia astrometric orbits. It is particularly relevant in the context of Gaia DR4 and its expected exoplanet discovery yield.
- Abstract（参考訳）: 第3次ガイアデータリリース(DR3)は、太陽の500pcの範囲内に位置する2体の天体の軌道解の$\sim$170 000を含む。
これらの系における成分質量の決定、特に太陽系外惑星を公転する恒星は、通常、アストロメトリー、eg分光、放射速度に加えて、補完的な観測を取り入れることに重点を置いている。
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。
文献で確認されたサブステア・コンパニオンに基づいて, 半教師付き異常検出法と極度の勾配上昇とランダム森林分類器を併用して, 非特異源の個体群における低質量流出率を推定する。
提案手法の妥当性について検討し,22の候補のうち4つの候補が太陽系外惑星候補であり,さらに5つの候補が超大質量のブラウン小星か超低質量の質量星であることを示す。
1つの初期の太陽系外惑星候補を含む3つの候補は、より長い周期の連星運動が短周期の軌道に偏っている偽陽性の解に対応する。
優先的なフォローアップのために,ブラウンドワーフ仲間の候補者9名に注目する。
太陽に似た恒星 G 15-6 の周囲の候補の1つは、外部の放射速度データを用いて、真の茶色の小星として確認できる。
この新しいアプローチは、ガイアの天文軌道における星下伴星の従来の同定方法の強力な補完である。
特にガイア DR4 の文脈と期待される太陽系外惑星の発見に関係している。
関連論文リスト
- Inferring Kernel $ε$-Machines: Discovering Structure in Complex Systems [49.1574468325115]
本稿では,カーネル因果状態推定を縮小次元空間における座標の集合として符号化する因果拡散成分を提案する。
それぞれのコンポーネントがデータから予測機能を抽出し,そのアプリケーションを4つの例で示す。
論文 参考訳（メタデータ） (2024-10-01T21:14:06Z) - 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) - 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) - Revisiting mass-radius relationships for exoplanet populations: a
machine learning insight [0.0]
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。
異なる教師なしクラスタリングアルゴリズムを適用することで、データを「小さい」惑星と「巨大な」惑星の2つの分類に分類する。
我々の分析は、惑星の質量、軌道周期、恒星質量が太陽系外惑星半径を予測する重要な役割を担っていることを強調している。
論文 参考訳（メタデータ） (2023-01-17T19:15:06Z) - ExoSGAN and ExoACGAN: Exoplanet Detection using Adversarial Training
Algorithms [0.0]
我々は、K2データ中の移動系外惑星を検出するために、2種類の生成逆数ネットワークを使用する。
本手法では,テストデータに基づいて光曲線をリコール精度1.00の精度で分類することができる。
論文 参考訳（メタデータ） (2022-07-20T05:45:36Z) - Automation Of Transiting Exoplanet Detection, Identification and
Habitability Assessment Using Machine Learning Approaches [0.0]
我々はケプラー望遠鏡で捉えた恒星からの光強度曲線を分析し、惑星系の存在の性質を示すポテンシャル曲線を検出する。
我々は、いくつかの最先端機械学習とアンサンブルアプローチを活用することで、外惑星識別と居住可能性判定の自動化に取り組む。
論文 参考訳（メタデータ） (2021-12-06T19:00:12Z) - Analyzing the Stability of Non-coplanar Circumbinary Planets using
Machine Learning [0.0]
非平面円周系における外惑星の軌道安定性を数値シミュレーション法を用いて解析する。
我々は、周囲惑星系の安定性を迅速に決定できる機械学習モデルを訓練する。
その結果、惑星の大きな傾きは軌道の安定性を高める傾向がありますが、地球と木星の間の惑星の質量範囲の変化はシステムの安定性にはほとんど影響しません。
論文 参考訳（メタデータ） (2021-01-07T00:59:31Z) - Exploration in two-stage recommender systems [79.50534282841618]
2段階のレコメンデータシステムは、スケーラビリティと保守性のために業界で広く採用されている。
このセットアップの鍵となる課題は、各ステージの最適性能が最適なグローバルパフォーマンスを暗示していないことである。
そこで本研究では,ランクとノミネーター間の探索戦略を同期させる手法を提案する。
論文 参考訳（メタデータ） (2020-09-01T16:52:51Z) - Proposal for an optical interferometric measurement of the gravitational
red-shift with satellite systems [52.77024349608834]
アインシュタイン等価原理(Einstein Equivalence Principle,EEP)は、重力のすべての計量理論を基盤とする。
象徴的な重力赤方偏移実験は、2つのフェルミオン系(時計として使われる)を異なる重力ポテンシャルに配置する。
衛星大距離光干渉測定実験の実装における基本的な点は、一階ドップラー効果の抑制である。
本研究では,地上局と衛星の双方向構成において,一方向の位相シフトを減らして抑制する新しい手法を提案する。
論文 参考訳（メタデータ） (2018-11-12T16:25:57Z)
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。