論文の概要: DELOS: Detecting Shallow Transits in Kepler Photometry Using a Contrastive-Learning Framework

• arxiv url: http://arxiv.org/abs/2605.29428v1
• Date: Thu, 28 May 2026 06:22:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.851874
• Title: DELOS: Detecting Shallow Transits in Kepler Photometry Using a Contrastive-Learning Framework
• Title（参考訳）: DELOS:コントラストラーニングフレームワークを用いたケプラー光度測定における浅部通過の検出
• Authors: Qingtian Liu, Jian Ge, XingChen Yan, Kevin Willis, Xinyu Yao, QuanQuan Hu, Jiapeng Zhu,
• Abstract要約: cOntrastive Scoring (DELOS) は、ケプラー光度測定において浅いトランジットを探すために設計された、対照的な学習ベースのフレームワークである。 事前に検出されたしきい値交差イベントに頼ることなく、試験期間を通じてスコア周期図を生成する。 ボックスフィットリーストスクエア(BLS)に比べて15.5%、低信号-雑音比(低SNR)ではトランジットリーストスクエア(TLS)に比べて11.25%の精度向上を実現している。
• 参考スコア（独自算出の注目度）: 3.4329664843691314
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present DEtection in phase-folded Light curves with cOntrastive Scoring (DELOS), a contrastive-learning-based framework designed to search for shallow transits in Kepler photometry. DELOS combines GPU-accelerated phase folding, optimized phase binning, and a custom one-dimensional convolutional encoder to assign a transit-likeness score to each folded light curve, thereby producing a score periodogram over trial periods without relying on pre-detected threshold-crossing events. Focusing on intermediate-to-long-period signals with orbital periods of 100-150 days, DELOS was trained on 20 million synthetic light curves generated with realistic transit models and Kepler-like noise properties, achieving a validation accuracy of 99.3 percent on the synthetic validation set. In controlled injection-recovery experiments, DELOS improves the combined precision-recall performance by 15.5 percent relative to Box-fitting Least Squares (BLS) and 11.25 percent relative to Transit Least Squares (TLS) in the low Signal-to-Noise Ratios (low-SNR) regime. It also accelerates the search by factors of approximately 3-5 and 74-80 compared with BLS and TLS, respectively. Applied to a selected Kepler validation sample, DELOS recovered all known shallow intermediate-to-long-period transit signals in the tested period range. These results demonstrate that DELOS provides an efficient and sensitive framework for low-SNR transit searches and represents a practical step toward future searches for longer-period terrestrial planets in Kepler, K2, TESS, PLATO, and Earth 2.0 data. Accordingly, this work is intended as a methodological development and validation study, with the detailed astrophysical validation of newly identified candidates deferred to future work.
• Abstract（参考訳）: 我々は,ケプラー光度測定における浅層遷移の探索を目的とした,コントラスト学習ベースのフレームワークであるcOntrastive Scoring (DELOS) を用いた位相折り曲げ光曲線における検出について述べる。 DELOSはGPUが加速する位相折り畳み、最適化された位相双対、およびカスタムの1次元畳み込みエンコーダを組み合わせて、各折り曲げられた光曲線にトランジット様のスコアを割り当て、予め検出された閾値交差イベントに頼ることなく試行期間にスコア周期図を生成する。 軌道周期100～150日の中間から長期の信号に着目して、DELOSは現実的なトランジットモデルとケプラーのようなノイズ特性で生成された2000万の合成光曲線に基づいて訓練され、合成検証セットで99.3%の精度が得られた。 制御された射出回収実験では、DELOSはボックス適合型最小広場(BLS)に比べて15.5%、低信号-雑音比(低SNR)ではトランジット最小広場(TLS)に対して11.25%の精度で、組み合わせの精度が向上した。 また,BLSおよびTLSと比較して,約3～5,74～80の因子による探索を加速させる。 選択されたケプラー検証サンプルに適用したDELOSは、試験期間範囲において、既知の浅い中間から長周期のトランジット信号を全て回収した。 これらの結果は、DELOSが低SNRトランジット探索のための効率的かつ敏感なフレームワークを提供し、ケプラー、K2、TESS、PLATO、アース2.0における長期地球惑星の探索に向けた実践的な一歩であることを示している。 そのため,本研究は方法論開発・検証研究として意図され,新たに特定された候補の詳細な天体物理学的検証が今後の研究に反映される。

関連論文リスト

• 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)
• FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
  FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。 非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。 条件設定では、太陽予測において優れた性能を達成している。
  論文  参考訳（メタデータ） (2024-11-12T03:03:23Z)
• Panopticon: a novel deep learning model to detect single transit events with no prior data filtering in PLATO light curves [0.0]
  我々は,高精度な光度曲線の遷移を検出するための深層学習モデルであるPanopticonを開発した。 シミュレーションされたPLATO光曲線を用いて, 惑星, 楕円形, 背景楕円形のいずれかのピクセルレベルでモデルを訓練した。 このアプローチは、未濾過光度曲線でさえも、地球カタログの25%以上を含む、我々のテスト人口の90%を回復することができる。
  論文  参考訳（メタデータ） (2024-09-05T12:21:51Z)
• Computing Transiting Exoplanet Parameters with 1D Convolutional Neural Networks [0.0]
  2つの1次元畳み込みニューラルネットワークモデルが提示される。 1つのモデルは完全な光曲線で動作し、軌道周期を推定する。 もう1つは位相折りたたみ光曲線を演算し、軌道の半主軸と惑星と恒星の半径比の正方形を推定する。
  論文  参考訳（メタデータ） (2024-02-21T10:17:23Z)
• The GPU Phase Folding and Deep Learning Method for Detecting Exoplanet Transits [4.281682100876565]
  GPFCは、低信号対雑音比のトランジット信号を増幅するためにGPU上で並列化された高速な折り畳みアルゴリズムである。 CNNは200万の合成光度曲線をトレーニングし、それぞれの周期で惑星の信号の可能性を示すスコアを報告した。 GPFCは、主要なBox-fitting Least Squares (BLS) 法よりも3桁の速度を改善する。
  論文  参考訳（メタデータ） (2023-12-04T17:19:37Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• Understanding of the properties of neural network approaches for transient light curve approximations [37.91290708320157]
  本稿では,観測光曲線を時間と波長で近似する最良性能法を提案する。 テストデータセットには、PLAsTiCCと実際のZwicky Transient Facility Bright Transient Survey光曲線のシミュレーションが含まれている。
  論文  参考訳（メタデータ） (2022-09-15T18:00:08Z)

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。