La détection d’exoplanètes ouvre la porte à la découverte de nouveaux mondes habitables et nous aide à comprendre comment les planètes se sont formées.
Dans le but de trouver des planètes habitables semblables à la Terre, la NASA a lancé le télescope spatial Kepler et sa mission de suivi K2.
L’avancement des capacités d’observation a augmenté la gamme de nouvelles données disponibles pour la recherche, et leur traitement manuel est à la fois long et difficile. Les techniques d’apprentissage automatique et d’apprentissage en profondeur peuvent grandement aider à réduire les efforts humains pour traiter la vaste gamme de données produites par les instruments modernes de ces programmes d’exoplanètes de manière économique et impartiale. Cependant, il faut veiller à détecter toutes les exoplanètes avec précision tout en minimisant simultanément la mauvaise classification des étoiles non exoplanètes.
Dans cet article, nous utilisons deux variantes de réseaux antagonistes génératifs, à savoir les réseaux antagonistes génératifs semi-supervisés et les réseaux antagonistes génératifs classificateurs auxiliaires, pour détecter les exoplanètes en transit dans les données K2. Nous constatons que l’utilisation de ces modèles peut être utile pour la classification des étoiles avec des exoplanètes. Nos deux techniques sont capables de catégoriser les courbes de lumière avec un rappel et une précision de 1,00 sur les données de test. Notre technique semi-supervisée est bénéfique pour résoudre la lourde tâche de créer un ensemble de données étiquetées.
Cicy K Agnès, Akthar Naveed V, Anitha Mary MO Chacko
Commentaires : 26 pages au total
Sujets : Astrophysique terrestre et planétaire (astro-ph.EP) ; Instrumentation et Méthodes pour l’Astrophysique (astro-ph.IM); Intelligence Artificielle (cs.AI); Apprentissage automatique (cs.LG)
Citer comme suit : arXiv:2207.09665 [astro-ph.EP] (ou arXiv:2207.09665v1 [astro-ph.EP] pour cette version)
https://doi.org/10.48550/arXiv.2207.09665
Concentrez-vous pour en savoir plus
Historique des soumissions
De : Cicy K Agnès
[v1] mer. 20 juil. 2022 05:45:36 UTC (619 Ko)
https://arxiv.org/abs/2207.09665
Astrobiologie, Astrochimie,
Veuillez suivre Astrobiologie sur Twitter.
