論文の概要: A transformer-based generative model for planetary systems

• arxiv url: http://arxiv.org/abs/2509.07226v1
• Date: Mon, 08 Sep 2025 21:09:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 14:38:27.1265
• Title: A transformer-based generative model for planetary systems
• Title（参考訳）: 変圧器を用いた惑星系生成モデル
• Authors: Yann Alibert, Jeanne Davoult, Sara Marques,
• Abstract要約: 我々は,同じ系における惑星間の相関関係と統計的関係を捉えることができる生成モデルを開発した。 本モデルは,シーケンスの相関を効率的に捉えるためによく知られているトランスフォーマーアーキテクチャに基づいている。 我々は、TOI-469系の場合、生成モデルを用いることで、まだ観測されていない惑星の性質を予測することができることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Numerical calculations of planetary system formation are very demanding in terms of computing power. These synthetic planetary systems can however provide access to correlations, as predicted in a given numerical framework, between the properties of planets in the same system. Such correlations can, in return, be used in order to guide and prioritize observational campaigns aiming at discovering some types of planets, as Earth-like planets. Our goal is to develop a generative model which is capable of capturing correlations and statistical relationships between planets in the same system. Such a model, trained on the Bern model, offers the possibility to generate large number of synthetic planetary systems with little computational cost, that can be used, for example, to guide observational campaigns. Our generative model is based on the transformer architecture which is well-known to efficiently capture correlations in sequences and is at the basis of all modern Large Language Models. To assess the validity of the generative model, we perform visual and statistical comparisons, as well as a machine learning driven tests. Finally, as a use case example, we consider the TOI-469 system, in which we aim at predicting the possible properties of planets c and d, based on the properties of planet b (the first that has been detected). We show using different comparison methods that the properties of systems generated by our model are very similar to the ones of the systems computed directly by the Bern model. We also show in the case of the TOI-469 system, that using the generative model allows to predict the properties of planets not yet observed, based on the properties of the already observed planet. We provide our model to the community on our website www.ai4exoplanets.com.
• Abstract（参考訳）: 惑星系の形成の数値計算は、計算力の点で非常に要求されている。 しかしながら、これらの合成惑星系は、与えられた数値的な枠組みで予測された、同じ系の惑星の性質の間の相関にアクセスできる。 このような相関関係は、地球のような惑星の発見を目的とした観測キャンペーンの導出と優先順位付けに利用することができる。 我々のゴールは、同じ系内の惑星間の相関関係と統計的関係を捉えることができる生成モデルを開発することである。 このようなモデルはベルンモデルに基づいて訓練され、多くの合成惑星系を計算コストの少ない形で生成する可能性を提供し、例えば観測キャンペーンを導くのに利用できる。 我々の生成モデルはトランスフォーマーアーキテクチャに基づいており、このアーキテクチャはシーケンスの相関を効率的に捉えるのによく知られており、現代の全ての大言語モデルに基づいている。 生成モデルの妥当性を評価するため、視覚的および統計的比較を行い、機械学習駆動テストを行う。 最後に、ユースケースとして、惑星b(検出された最初の惑星)の性質に基づいて、惑星cとdの性質を予測するTOI-469システムについて考察する。 本稿では,Bernモデルにより直接計算されるシステムと,モデルが生成するシステムの特性がよく似ていることを示す。 また、TOI-469系の場合、生成モデルを用いることで、既に観測されている惑星の性質に基づいて、まだ観測されていない惑星の性質を予測できることを示す。 当社のモデルは,私たちのWebサイトwww.ai4exoplanets.comでコミュニティに提供しています。

関連論文リスト

• Earth-like planet predictor: A machine learning approach [0.0]
  この研究の目的は、どの恒星が地球に似た惑星(ELP)をホストしてブラインドサーチを避けるかを予測することである。 我々はランダムフォレストを訓練し、システムを「ELPをホストする」か「ELPをホストしない」と分類した。 機械学習(ML)モデルで実施されたテストでは、最大0.99の精度のスコアが得られた。
  論文  参考訳（メタデータ） (2025-04-09T19:21:46Z)
• Accelerating Giant Impact Simulations with Machine Learning [0.8325032895114773]
  観測された太陽系外惑星の人口に基づく惑星形成モデルの制約は、合成惑星系の大規模なサンプルを生成する必要がある。 重要なボトルネックは、惑星の胚が重力的に進化して惑星を形成する巨大な衝突フェーズをシミュレートすることである。 本稿では,多惑星系における衝突結果を予測する機械学習(ML)手法を提案する。
  論文  参考訳（メタデータ） (2024-08-16T17:59:46Z)
• Neural Plasticity-Inspired Multimodal Foundation Model for Earth Observation [48.66623377464203]
  我々の新しいアプローチは、脳科学における神経可塑性の概念を活用する、ダイナミックワンフォーオール(DOFA)モデルを導入している。 このダイナミックなハイパーネットワークは、異なる波長に調整され、5つのセンサーのデータに基づいて1つの多目的トランスフォーマーを共同で訓練し、12の異なる地球観測タスクを遂行することを可能にする。
  論文  参考訳（メタデータ） (2024-03-22T17:11:47Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
  本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。 スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
  論文  参考訳（メタデータ） (2023-04-14T14:40:32Z)
• Predictive World Models from Real-World Partial Observations [66.80340484148931]
  本研究では,現実の道路環境に対する確率論的予測世界モデル学習のためのフレームワークを提案する。 従来の手法では、学習のための基礎的真理として完全状態を必要とするが、HVAEが部分的に観察された状態のみから完全状態を予測することを学べる新しい逐次訓練法を提案する。
  論文  参考訳（メタデータ） (2023-01-12T02:07:26Z)
• 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)
• On planetary systems as ordered sequences [7.216830424040808]
  我々は、3277の惑星系における4286個のケプラー惑星の構成(または順序付け)にどのような情報が属するかを考える。 我々は、主星の性質に基づいて、惑星の半径と周期を予測するためにニューラルネットワークモデルを訓練する。 我々は、計算言語学において、教師なしの音声タグ付けに使用されるモデルを適用し、惑星や惑星系が、物理的に解釈可能な「文法規則」を持つ自然カテゴリーに該当するかどうかを調査する。
  論文  参考訳（メタデータ） (2021-05-20T18:00:29Z)

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。