論文の概要: ExoNet: Calibrated Multimodal Deep Learning for TESS Exoplanet Candidate Vetting using Phase-Folded Light Curves, Stellar Parameters, and Multi-Head Attention

• arxiv url: http://arxiv.org/abs/2604.15560v3
• Date: Wed, 22 Apr 2026 11:08:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.26043
• Title: ExoNet: Calibrated Multimodal Deep Learning for TESS Exoplanet Candidate Vetting using Phase-Folded Light Curves, Stellar Parameters, and Multi-Head Attention
• Title（参考訳）: ExoNet: 位相整形光曲線, ステラーパラメータ, マルチヘッドアテンションを用いたTESS外惑星候補ベッティングのための校正型マルチモーダルディープラーニング
• Authors: Md. Rashadul Islam,
• Abstract要約: ExoNetは、段階的に折り畳まれたグローバルおよび局所的な光曲線ビューを恒星パラメータの特徴とともに処理するマルチモーダルなディープラーニングフレームワークである。 7,585個のKepler Objects of Interestというラベルで訓練され、テストAUC = 0.9549と86.3%の精度を達成した。 TOI-5728.01とTOI-6716.01は地球に似た未確認候補として浮上する。
• 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 discovery of exoplanets at scale has become one of the defining data science challenges in modern astrophysics. NASA's Transiting Exoplanet Survey Satellite (TESS) had catalogued over 7,800 planet candidates by early 2026, yet confirmation stands at fewer than 720. This paper introduces ExoNet, a multimodal deep learning framework that jointly processes phase-folded global and local light curve views alongside stellar parameter features through a calibrated late-fusion architecture combining 1D Convolutional Neural Networks, 8-head Multi-Head Attention over temporal feature maps, and a residual fusion head with post-hoc Temperature Scaling calibration. Trained on 7,585 labeled Kepler Objects of Interest, ExoNet achieves Test AUC = 0.9549 and 86.3% accuracy. Applied to 4,720 verified unconfirmed TESS Planet Candidates with TOI-TIC cross-identification verified against the NASA Exoplanet Archive, the model yields 1,754 high-confidence signals, 52 habitable-zone candidates, and six Earth-sized habitable-zone targets below 1.6 Earth radii. TOI-5728.01 and TOI-6716.01 emerge as the most Earth-like unconfirmed candidates. Full ablation confirms each modality improves AUC. Code and catalog are openly released.
• Abstract（参考訳）: 大規模な太陽系外惑星の発見は、現代の天体物理学において決定的なデータ科学の課題の1つとなっている。 NASAのトランジット太陽系外惑星探査衛星(TESS)は、2026年初頭までに7,800個以上の惑星候補を分類したが、確認は720個未満であった。 本稿では,1次元畳み込みニューラルネットワーク,時間的特徴マップ上の8ヘッドマルチヘッドアテンション,保温後温度スケーリングキャリブレーションを組み合わせた残差融合ヘッドを組み合わせることで,位相折り畳みグローバルおよび局所光曲線ビューと恒星パラメータ特徴を併用した多モード深層学習フレームワークであるExoNetを紹介する。 7,585のラベル付きKepler Objects of InterestでトレーニングされたExoNetは、Test AUC = 0.9549と86.3%の精度を達成した。 NASA Exoplanet Archiveで確認された4,720個の未確認のTESS惑星候補とTOI-TICの相互識別に適用されたモデルでは、1,754個の高信頼信号、52個の居住可能ゾーン候補、1.6地球半径以下の地球規模の居住可能ゾーン目標6個が得られた。 TOI-5728.01とTOI-6716.01は地球に似た未確認候補として浮上している。 完全なアブレーションは、それぞれのモダリティがAUCを改善することを確認します。 コードとカタログは公開されている。

関連論文リスト

• TerraFM: A Scalable Foundation Model for Unified Multisensor Earth Observation [65.74990259650984]
  本研究では,グローバルに分散したSentinel-1とSentinel-2画像を利用する,スケーラブルな自己教師型学習モデルTerraFMを紹介する。 我々のトレーニング戦略は、局所的・言語的コントラスト学習を統合し、二重中心化機構を導入する。 TerraFMは分類タスクとセグメンテーションタスクの両方において強力な一般化を実現し、GEO-BenchとCopernicus-Benchの先行モデルよりも優れている。
  論文  参考訳（メタデータ） (2025-06-06T17:59:50Z)
• DART-Vetter: A Deep LeARning Tool for automatic triage of exoplanet candidates [29.27453886018479]
  DART-Vetterは、相対的な信号の周期に折り畳まれた光曲線のみを処理する畳み込みニューラルネットワークである。 我々は、DART-Vetterを、TESSとKeplerの光曲線で、公開され、均質にラベル付けされたいくつかのデータセットで訓練し、テストした。
  論文  参考訳（メタデータ） (2025-06-05T20:05:16Z)
• EarthMind: Leveraging Cross-Sensor Data for Advanced Earth Observation Interpretation with a Unified Multimodal LLM [103.7537991413311]
  地球観測(EO)データ分析は、環境と人間の動態のモニタリングに不可欠である。 最近のMultimodal Large Language Models (MLLM) は、EO理解の可能性を秘めているが、シングルセンサー入力に限定されている。 我々は、シングルセンサーとクロスセンサーの両方の入力を処理する統合視覚言語フレームワークであるEarthMindを提案する。
  論文  参考訳（メタデータ） (2025-06-02T13:36:05Z)
• A New Statistical Model of Star Speckles for Learning to Detect and Characterize Exoplanets in Direct Imaging Observations [37.845442465099396]
  本稿では,マルチスケールアプローチを用いてニュアンス変動を捉える新しい統計モデルを提案する。 これは解釈可能なエンドツーエンドの学習可能なフレームワークに統合され、同時に外惑星の検出とフラックス推定を行う。 提案手法は, 計算効率が高く, 各種データ品質に対して頑健であり, 大規模観測調査に適している。
  論文  参考訳（メタデータ） (2025-03-21T13:07:55Z)
• PFSD: A Multi-Modal Pedestrian-Focus Scene Dataset for Rich Tasks in Semi-Structured Environments [73.80718037070773]
  本稿では, 半構造化シーンに, nuScenesの形式を付加したマルチモーダルなPedestrian-Focused Sceneデータセットを提案する。 また,密集・隠蔽シナリオにおける歩行者検出のためのHMFN(Hybrid Multi-Scale Fusion Network)を提案する。
  論文  参考訳（メタデータ） (2025-02-21T09:57:53Z)
• Exoplanet Transit Candidate Identification in TESS Full-Frame Images via a Transformer-Based Algorithm [2.447952962179654]
  本稿では,位相折り畳みや周期性の仮定を必要とせず,太陽系外惑星のトランジット信号を同定する手法を提案する。 我々は、トランスフォーマーにインスパイアされた新しいニューラルネットワークを実装し、FFI(Full Frame Image)光曲線を直接処理し、外惑星のトランジットを検出する。 本モデルでは,122光度曲線,88光度,4光度を含む214個の新しい惑星系候補を同定した。
  論文  参考訳（メタデータ） (2025-02-11T13:29:58Z)
• Automated identification of transiting exoplanet candidates in NASA Transiting Exoplanets Survey Satellite (TESS) data with machine learning methods [1.9491825010518622]
  AI/ML ThetaRayシステムは当初ケプラー太陽系外惑星のデータで訓練され、確認された太陽系外惑星で検証される。 TESSミッションで発生したしきい値交差イベント(TCE)の10,803光曲線へのThetaRayの適用により、39の新たな惑星候補が発見された。
  論文  参考訳（メタデータ） (2021-02-20T12:28:39Z)

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。