論文の概要: The TESS Ten Thousand Catalog: 10,001 uniformly-vetted and -validated Eclipsing Binary Stars detected in Full-Frame Image data by machine learning and analyzed by citizen scientists

• arxiv url: http://arxiv.org/abs/2506.05631v1
• Date: Thu, 05 Jun 2025 23:29:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-09 17:28:43.261548
• Title: The TESS Ten Thousand Catalog: 10,001 uniformly-vetted and -validated Eclipsing Binary Stars detected in Full-Frame Image data by machine learning and analyzed by citizen scientists
• Title（参考訳）: TESS Ten Thousand Catalog: 10,001-vetted and-validated Eclipsing Binary Stars detected in Full-Frame Image by Machine Learning and Analysis by Citizen Scientist
• Authors: Veselin B. Kostov, Brian P. Powell, Aline U. Fornear, Marco Z. Di Fraia, Robert Gagliano, Thomas L. Jacobs, Julien S. de Lambilly, Hugo A. Durantini Luca, Steven R. Majewski, Mark Omohundro, Jerome Orosz, Saul A. Rappaport, Ryan Salik, Donald Short, William Welsh, Svetoslav Alexandrov, Cledison Marcos da Silva, Erika Dunning, Gerd Guhne, Marc Huten, Michiharu Hyogo, Davide Iannone, Sam Lee, Christian Magliano, Manya Sharma, Allan Tarr, John Yablonsky, Sovan Acharya, Fred Adams, Thomas Barclay, Benjamin T. Montet, Susan Mullally, Greg Olmschenk, Andrej Prsa, Elisa Quintana, Robert Wilson, Hasret Balcioglu, Ethan Kruse, the Eclipsing Binary Patrol Collaboration,
• Abstract要約: 我々は、全ての短命と光中心テストに合格した10001個の楕円型連星のカタログを提示する。 対象物の検出と分析について概説し、サンプルの特性について論じ、潜在的に興味深いシステムに焦点を当てる。
• 参考スコア（独自算出の注目度）: 0.5381115559554392
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Transiting Exoplanet Survey Satellite (TESS) has surveyed nearly the entire sky in Full-Frame Image mode with a time resolution of 200 seconds to 30 minutes and a temporal baseline of at least 27 days. In addition to the primary goal of discovering new exoplanets, TESS is exceptionally capable at detecting variable stars, and in particular short-period eclipsing binaries which are relatively common, making up a few percent of all stars, and represent powerful astrophysical laboratories for deep investigations of stellar formation and evolution. We combed Sectors 1-82 of TESS Full-Frame Image data searching for eclipsing binary stars using a neural network that identified ~1.2 million stars with eclipse-like features. Of these, we have performed an in-depth analysis on ~60,000 targets using automated methods and manual inspection by citizen scientists. Here we present a catalog of 10001 uniformly-vetted and -validated eclipsing binary stars that passed all our ephemeris and photocenter tests, as well as complementary visual inspection. Of these, 7936 are new eclipsing binaries while the remaining 2065 are known systems for which we update the published ephemerides. We outline the detection and analysis of the targets, discuss the properties of the sample, and highlight potentially interesting systems. Finally, we also provide a list of ~900,000 unvetted and unvalidated targets for which the neural network found eclipse-like features with a score higher than 0.9, and for which there are no known eclipsing binaries within a sky-projected separation of a TESS pixel (~21 arcsec).
• Abstract（参考訳）: トランジット太陽系外惑星探査衛星(TESS)は、200秒から30分、時間ベースラインが少なくとも27日間のフルフレーム画像モードで、ほぼ全天を探査した。 新しい太陽系外惑星を発見するという第一の目的に加えて、TESSは変光星、特に比較的一般的な短周期の楕円型双対を検出でき、恒星の形成と進化を深く研究するための強力な天体物理学研究所を代表している。 我々は、TESSフルフレーム画像データのセクター1-82を、日食のような特徴を持つ約120万個の恒星を識別するニューラルネットワークを用いて、2連星の楕円形探索を行った。 これらのうち, 市民科学者による自動検査と手動検査を用いて, 6万件の目標を詳細に分析した。 ここでは、全フェメリスと光中心テストに合格した10001個の楕円型連星のカタログと、相補的な視覚検査について紹介する。 そのうち7936は新しい楕円形二分体であり、残りの2065は公布された短冊体を更新する既知のシステムである。 対象物の検出と分析について概説し、サンプルの特性について論じ、潜在的に興味深いシステムに焦点を当てる。 最後に、90,000の未検証かつ無効なターゲットのリストを提供し、ニューラルネットワークは、0.9以上のスコアを持つ日食のような特徴を見つけ、TESSピクセル(〜21 arcsec)のスカイプロジェクションされた分離内には、楕円形のバイナリが存在しない。

関連論文リスト

• POLARIS: A High-contrast Polarimetric Imaging Benchmark Dataset for Exoplanetary Disk Representation Learning [27.870701240010924]
  人工知能(AI)は今後10年間で、地球に似た太陽系外惑星を画像化するための変革的なツールになるのだろうか? 我々は、このベンチマークを導入し、偏光画像表現学習の観点からこの問題を探求する。 これは、天体物理学や機械学習で稀な、一様に小さくて高品質な太陽系外惑星の画像データセットである。
  論文  参考訳（メタデータ） (2025-06-04T02:55:02Z)
• Vehicle Perception from Satellite [54.07157185000604]
  データセットは、GTA-Vから記録された12の衛星ビデオと14の合成ビデオに基づいて構築されている。 小さなオブジェクトの検出、カウント、密度推定など、いくつかのタスクをサポートする。 128,801両は完全に注釈付けされており、各画像の車両数は0から101まで様々である。
  論文  参考訳（メタデータ） (2024-02-01T15:59:16Z)
• Streamlined Lensed Quasar Identification in Multiband Images via Ensemble Networks [34.82692226532414]
  強いレンズを経験するクエーサーは、宇宙膨張速度、暗黒物質、およびクエーサーホスト銀河に関連する主題に独自の視点を与える。 我々は,現実的な銀河・クエーサーレンズシミュレーションに基づいて訓練された最先端畳み込みネットワーク(CNN)を組み込むことにより,新しいアプローチを開発した。 我々は親標本として約6000万個の情報源を検索し、光度測定によるクエーサーを$theta_mathrmE5$arcsecのEinstein radiiで発見した後、これを892,609個に減らした。
  論文  参考訳（メタデータ） (2023-07-03T15:09:10Z)
• 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)
• ODNet: A Convolutional Neural Network for Asteroid Occultation Detection [0.36700088931938835]
  我々は,コンボリューショナルニューラルネットワーク(CNN)とUnistellarネットワークからの観測を用いて,小惑星の眼球運動を確実に検出するアルゴリズムを構築することを提案する。 アルゴリズムは十分に高速で堅牢であるため、リアルタイムな結果を得るためにeVscopesを組み込むことを想定できる。
  論文  参考訳（メタデータ） (2022-10-28T23:53:09Z)
• Automatic classification of eclipsing binary stars using deep learning methods [0.0]
  本稿では,深層学習を用いた楕円形星の自動分類に着目する。 我々の分類器は、二元星の光曲線を2つのクラスに分類するためのツールを提供する。 最高の性能の分類器は、双方向長短期記憶(LSTM)と1次元畳み込みニューラルネットワークを組み合わせることで、評価セットで98%の精度を達成した。
  論文  参考訳（メタデータ） (2021-08-03T17:28:03Z)
• DeepShadows: Separating Low Surface Brightness Galaxies from Artifacts using Deep Learning [70.80563014913676]
  本研究では,低地光度銀河と人工物とを分離する問題に対する畳み込みニューラルネットワーク(CNN)の利用について検討する。 我々は、CNNが低地光度宇宙の研究に非常に有望な道を提供することを示した。
  論文  参考訳（メタデータ） (2020-11-24T22:51:08Z)
• Detection of asteroid trails in Hubble Space Telescope images using Deep Learning [0.0]
  本稿では,ハッブル宇宙望遠鏡で撮影した単一露光写真における小惑星軌道の画像認識へのDeep Learningの適用について述べる。 多層深層畳み込みニューラルネットワークに基づくアルゴリズムを用いて、検証セット上で80%以上の精度を報告する。
  論文  参考訳（メタデータ） (2020-10-29T09:03:18Z)

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。