論文の概要: A Machine-Learning Compositional Study of Exoplanetary Material Accreted Onto Five Helium-Atmosphere White Dwarfs with $\texttt{cecilia}$

• arxiv url: http://arxiv.org/abs/2505.06228v1
• Date: Fri, 09 May 2025 17:59:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-12 20:40:10.362053
• Title: A Machine-Learning Compositional Study of Exoplanetary Material Accreted Onto Five Helium-Atmosphere White Dwarfs with $\texttt{cecilia}$
• Title（参考訳）: $\texttt{cecilia}$.5ヘリウム-大気白ドワーフに付加された太陽系外惑星物質の機械学習組成研究
• Authors: Mariona Badenas-Agusti, Siyi Xu, Andrew Vanderburg, Kishalay De, Patrick Dufour, Laura K. Rogers, Susana Hoyos, Simon Blouin, Javier Viaña, Amy Bonsor, Ben Zuckerman,
• Abstract要約: 我々は、金属汚染された5つのHe-大気白色小星の物理パラメータと光球組成を決定するために、機械学習パイプライン$textttcecilia$の最初の応用を提示する。 これらの汚染物質のバルク組成は, プリミティブCIコンドライトとほぼ一致しており, 1-2$sigma$である。 将来的には、広い分野の天文学的な調査によって数百万の一般のWDスペクトルが科学コミュニティに届けられるようになるため、$textttcecilia$は汚染されたWDの幅広い研究を解き放つことを目的としている。
• 参考スコア（独自算出の注目度）: 1.5962710045501871
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present the first application of the Machine Learning (ML) pipeline $\texttt{cecilia}$ to determine the physical parameters and photospheric composition of five metal-polluted He-atmosphere white dwarfs without well-characterised elemental abundances. To achieve this, we perform a joint and iterative Bayesian fit to their $\textit{SDSS}$ (R=2,000) and $\textit{Keck/ESI}$ (R=4,500) optical spectra, covering the wavelength range from about 3,800\r{A} to 9,000\r{A}. Our analysis measures the abundances of at least two $-$and up to six$-$ chemical elements in their atmospheres with a predictive accuracy similar to that of conventional WD analysis techniques ($\approx$0.20 dex). The white dwarfs with the largest number of detected heavy elements are SDSS J0859$+$5732 and SDSS J2311$-$0041, which simultaneously exhibit O, Mg, Si, Ca, and Fe in their $\textit{Keck/ESI}$ spectra. For all systems, we find that the bulk composition of their pollutants is largely consistent with those of primitive CI chondrites to within 1-2$\sigma$. We also find evidence of statistically significant ($>2\sigma$) oxygen excesses for SDSS J0859$+$5732 and SDSS J2311$-$0041, which could point to the accretion of oxygen-rich exoplanetary material. In the future, as wide-field astronomical surveys deliver millions of public WD spectra to the scientific community, $\texttt{cecilia}$ aspires to unlock population-wide studies of polluted WDs, therefore helping to improve our statistical knowledge of extrasolar compositions.
• Abstract（参考訳）: 今回,機械学習(ML)パイプライン$\texttt{cecilia}$の最初の応用として,金属汚染された5つのHe-大気白色小星の物理パラメータと光球組成を,高い特性の元素量で決定する手法を提案する。 これを実現するために、約3,800\r{A} から9,000\r{A} までの波長範囲をカバーする、$\textit{SDSS}$ (R=2,000) と $\textit{Keck/ESI}$ (R=4,500) の光学スペクトルに適合するジョイントおよび反復ベイズ変換を行う。 我々の分析は、従来のWD分析技術(0.20 dex)と同様の予測精度で、大気中の少なくとも2ドルと6ドルまでの化学元素の量を測定する。 検出された重元素の最大数はSDSS J0859$+5732とSDSS J2311$-0041であり、O, Mg, Si, Ca, Feをそれぞれ$\textit{Keck/ESI}$スペクトルで同時に表示する。 すべての系に対して、それらの汚染物質のバルク組成は、原始的なCIコンドライトのものとほぼ一致しており、1-2$\sigma$である。 また、SDSS J0859$+5732 と SDSS J2311$-0041 の酸素過剰が統計的に有意であることを示す証拠も見つかっている。 将来的には、広い分野の天文学的な調査が科学界に何百万もの一般のWDスペクトルを届ける中で、$\texttt{cecilia}$は汚染されたWDの集団的研究を解き放つことを目的としており、その結果、我々の太陽系外組成に関する統計的知識を改善するのに役立ちます。

関連論文リスト

• Sequencing Silicates in the IRS Debris Disk Catalog I: Methodology for Unsupervised Clustering [0.0]
  デブリディスクは、親体の鉱物学的組成にユニークな窓を提供する。 $textttCLUES$は、新しい、非パラメトリックで完全に解釈可能な機械学習スペクトル分析ツールである。
  論文  参考訳（メタデータ） (2025-01-02T19:00:00Z)
• Inertial Confinement Fusion Forecasting via Large Language Models [48.76222320245404]
  本研究では,従来の貯水池計算パラダイムとLarge Language Models(LLM)の新たな統合である$textbfLPI-LLM$を紹介する。 我々は、$textitLLM-anchored Reservoir$, augmented with a $textitFusion-specific Prompt$を提案する。 また、最初の$textttLPI$ベンチマークである$textbfLPI4AI$も提示します。
  論文  参考訳（メタデータ） (2024-07-15T05:46:44Z)
• cecilia: A Machine Learning-Based Pipeline for Measuring Metal Abundances of Helium-rich Polluted White Dwarfs [0.0]
  Ceciliaは、中間温度の白色小星の金属量を測定するために設計された、機械学習を利用した初めてのスペクトルモデリングコードである。 Ceciliaは最先端の大気モデル、強力な人工知能ツール、堅牢な統計技術を組み合わせている。 セシリアのパフォーマンスは、太陽系外地球化学の大規模な研究を解き放つ可能性がある。
  論文  参考訳（メタデータ） (2024-02-07T19:00:02Z)
• Searching for Novel Chemistry in Exoplanetary Atmospheres using Machine Learning for Anomaly Detection [1.8434042562191815]
  我々は、異常検出のための機械学習(ML)技術の太陽系外惑星トランジットスペクトルへの応用を提唱する。 合成スペクトルの大規模公開データベース上での2つの一般的な異常検出手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-08-15T07:19:54Z)
• Dy adatom on MgO(001) substrate: DFT+U(HIA) study [75.7995398006171]
  MgO(001)基板上に吸着した個々のDy原子の電子構造と磁性について検討した。 我々の研究は、希土類単原子磁石のさらなる研究と予測に有効なルートを提供することができる。
  論文  参考訳（メタデータ） (2023-06-14T10:20:02Z)
• Rapid generation of all-optical $^{39}$K Bose-Einstein condensates using a low-field Feshbach resonance [58.720142291102135]
  フェシュバッハ共振器を用いた全光学的ボース・アインシュタイン凝縮体(399ドル)の製造について検討した。 完全に凝縮したアンサンブルと5.8タイムs104$の原子を850$msの蒸発時間で232ドルの散乱長で生成することができる。 本研究は, 慣性センシングのための超低温カリウムの高流動源への道筋について述べる。
  論文  参考訳（メタデータ） (2022-01-12T16:39:32Z)
• Unsupervised Spectral Unmixing For Telluric Correction Using A Neural Network Autoencoder [58.720142291102135]
  本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T12:54:48Z)
• Machine Learning for automatic identification of new minor species [1.617647375371818]
  未監視の機械学習に基づく新しい手法を提案し,新しい小種を自動的に検出する。 我々は,データ量スペクトルと源スペクトルの線形混合により,データセットの非線形性を近似する。 私たちのアプローチでは、ノイズレベルの1.5倍の104ドルから100ドルの隠されたスペクトルで存在する化合物を検出できます。
  論文  参考訳（メタデータ） (2020-12-15T09:51:19Z)

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。