論文の概要: Machine learning for exoplanet detection in high-contrast spectroscopy Combining cross correlation maps and deep learning on medium-resolution integral-field spectra
- arxiv url: http://arxiv.org/abs/2405.13468v1
- Date: Wed, 22 May 2024 09:25:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-25 00:45:22.995113
- Title: Machine learning for exoplanet detection in high-contrast spectroscopy Combining cross correlation maps and deep learning on medium-resolution integral-field spectra
- Title（参考訳）: クロス相関写像と深部学習を組み合わせた中分解能積分場スペクトルを用いた高コントラスト分光法における外惑星検出のための機械学習
- Authors: Rakesh Nath-Ranga, Olivier Absil, Valentin Christiaens, Emily O. Garvin,
- Abstract要約: 積分場分光(IFS)データセットにおけるスペクトル次元と空間次元を利用する新しい手法を開発した。
我々は,高コントラスト系外惑星に対する検出感度を向上させるために,教師付きディープラーニングアルゴリズムを訓練する。
我々は,ML手法が検出限界を改良し,直接撮像された惑星の偽陽性を低減できる可能性を実証した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The advent of high-contrast imaging instruments combined with medium-resolution spectrographs allows spectral and temporal dimensions to be combined with spatial dimensions to detect and potentially characterize exoplanets with higher sensitivity. We develop a new method to effectively leverage the spectral and spatial dimensions in integral-field spectroscopy (IFS) datasets using a supervised deep-learning algorithm to improve the detection sensitivity to high-contrast exoplanets. We begin by applying a data transform whereby the IFS datasets are replaced by cross-correlation coefficient tensors obtained by cross-correlating our data with young gas giant spectral template spectra. This transformed data is then used to train machine learning (ML) algorithms. We train a 2D CNN and 3D LSTM with our data. We compare the ML models with a non-ML algorithm, based on the STIM map of arXiv:1810.06895. We test our algorithms on simulated young gas giants in a dataset that contains no known exoplanet, and explore the sensitivity of algorithms to detect these exoplanets at contrasts ranging from 1e-3 to 1e-4 at different radial separations. We quantify the sensitivity using modified receiver operating characteristic curves (mROC). We discover that the ML algorithms produce fewer false positives and have a higher true positive rate than the STIM-based algorithm, and the true positive rate of ML algorithms is less impacted by changing radial separation. We discover that the velocity dimension is an important differentiating factor. Through this paper, we demonstrate that ML techniques have the potential to improve the detection limits and reduce false positives for directly imaged planets in IFS datasets, after transforming the spectral dimension into a radial velocity dimension through a cross-correlation operation.
- Abstract（参考訳）: 高コントラスト撮像装置の出現と中分解能分光法の組み合わせにより、スペクトルと時間次元を空間次元と組み合わせることで、高感度で太陽系外惑星を検出し、潜在的に特徴付けることができる。
我々は,高コントラスト系外惑星に対する検出感度を向上させるために,教師付きディープラーニングアルゴリズムを用いて,積分場分光(IFS)データセットのスペクトル次元と空間次元を効果的に活用する手法を開発した。
IFSデータセットを若いガス巨星のテンプレートスペクトルと相互相関した相関係数テンソルに置き換えるデータ変換を適用することから始める。
この変換されたデータは、機械学習(ML)アルゴリズムのトレーニングに使用される。
データを用いて2D CNNと3D LSTMをトレーニングする。
我々は, arXiv:1810.06895のSTIMマップに基づいて, MLモデルと非MLアルゴリズムを比較した。
我々は、既知の外惑星を含まないデータセットで、シミュレーションされた若いガス巨星のアルゴリズムを試験し、これらの外惑星を異なる放射状分離で1e-3から1e-4までのコントラストで検出するアルゴリズムの感度を探索する。
修正受信器動作特性曲線(mROC)を用いて感度を定量化する。
MLアルゴリズムは,STIMアルゴリズムよりも偽陽性が少なく,真陽性率が高いことが判明し,ラジアル分離の変化により,MLアルゴリズムの真陽性率が低下することが判明した。
速度の次元は重要な微分因子であることがわかった。
本稿では,ICSデータセットにおいて,スペクトル次元を交叉相関演算により放射速度次元に変換した後,検出限界を改良し,直接撮像された惑星の偽陽性を低減できる可能性を示す。
関連論文リスト
- Neural Spectral Decomposition for Dataset Distillation [48.59372086450124]
本稿では,データセット蒸留のための一般的な分解フレームワークであるニューラルスペクトル分解を提案する。
本研究の目的は,データセット全体の低ランク表現を発見し,効率的に蒸留を行うことである。
提案手法はCIFAR10, CIFAR100, Tiny Imagenet, ImageNet Subsetなどのベンチマーク上での最先端性能を実現する。
論文 参考訳（メタデータ） (2024-08-29T03:26:14Z) - Empowering Snapshot Compressive Imaging: Spatial-Spectral State Space Model with Across-Scanning and Local Enhancement [51.557804095896174]
AsLE-SSMという,グローバルな局所的バランスの取れたコンテキストエンコーディングとチャネル間相互作用の促進に空間スペクトルSSMを用いる状態空間モデルを導入する。
実験の結果,ASLE-SSMは既存の最先端手法よりも優れており,推定速度はTransformerベースのMSTより2.4倍速く,パラメータの0.12(M)を節約できることがわかった。
論文 参考訳（メタデータ） (2024-08-01T15:14:10Z) - Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。
提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文 参考訳（メタデータ） (2023-11-30T13:50:21Z) - Combining multi-spectral data with statistical and deep-learning models
for improved exoplanet detection in direct imaging at high contrast [39.90150176899222]
太陽系外惑星の信号は、いくつかの観測と専用の検出アルゴリズムを組み合わせることでのみ識別できる。
我々は,観測結果から直接,ニュアンスの空間的,時間的,スペクトル的特性のモデルを学ぶ。
その後、畳み込みニューラルネットワーク(CNN)が教師ありの方法で訓練され、合成源の残像を検出する。
論文 参考訳（メタデータ） (2023-06-21T13:42:07Z) - A new filter for dimensionality reduction and classification of
hyperspectral images using GLCM features and mutual information [0.0]
ハイパースペクトル画像の次元化と分類のための新しい手法を提案する。
スペクトル情報と空間情報の両方を相互情報に基づいて考慮する。
3つのよく知られたハイパースペクトルベンチマークデータセットで実験が行われる。
論文 参考訳（メタデータ） (2022-11-01T13:19:08Z) - Amortized Bayesian Inference of GISAXS Data with Normalizing Flows [0.10752246796855561]
本稿では,変分オートエンコーダと正規化フローを組み合わせたシミュレーションに基づくフレームワークを提案し,パラメータの後方分布を推定する。
提案手法は,ABCと一貫した結果を生み出しながら,推定コストを桁違いに削減することを示した。
論文 参考訳（メタデータ） (2022-10-04T12:09:57Z) - Multilevel orthogonal Bochner function subspaces with applications to
robust machine learning [1.533771872970755]
このデータを、関連するボヒナー空間内のランダムフィールドのインスタンスとみなす。
私たちのキーとなる観察は、クラスが主に2つの異なる部分空間に存在することである。
論文 参考訳（メタデータ） (2021-10-04T22:01:01Z) - Adaptive Machine Learning for Time-Varying Systems: Low Dimensional
Latent Space Tuning [91.3755431537592]
本稿では,時間変化システムを対象とした適応機械学習手法を提案する。
我々は,エンコーダデコーダCNNのエンコーダ部出力において,非常に高次元(N>100k)の入力を低次元(N2)潜在空間にマッピングする。
そこで本手法では,割り込みを伴わないフィードバックに基づいて,内部の相関関係を学習し,その進化をリアルタイムで追跡する。
論文 参考訳（メタデータ） (2021-07-13T16:05:28Z) - Regularization by Denoising Sub-sampled Newton Method for Spectral CT
Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。
特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。
スペクトルct材料分解の数値的および実験的結果を示す。
論文 参考訳（メタデータ） (2021-03-25T15:20:10Z) - Spatial-Spectral Residual Network for Hyperspectral Image
Super-Resolution [82.1739023587565]
ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。
提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。
各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
論文 参考訳（メタデータ） (2020-01-14T03:34:55Z)
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。