PulseAugur
实时 19:51:11
English(EN) DELOS: Detecting Shallow Transits in Kepler Photometry Using a Contrastive-Learning Framework

新AI框架DELOS增强系外行星凌星探测

研究人员开发了DELOS,一个利用对比学习从天文数据(特别是来自开普勒望远镜的数据)中检测浅层凌星的新框架。该方法旨在识别轨道周期在100至150天之间的微弱行星信号,在低信噪比情况下优于BLS和TLS等现有技术。DELOS通过结合GPU加速的相位折叠和卷积编码器来实现这一点,显著加快了搜索过程并提高了检测精度。 AI

影响 该AI框架提供了一种更灵敏、更高效的系外行星探测方法,有望加速新世界的发现。

排序理由 该集群描述了一篇关于用于科学发现的新型AI框架的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新AI框架DELOS增强系外行星凌星探测

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Qingtian Liu, Jian Ge, XingChen Yan, Kevin Willis, Xinyu Yao, QuanQuan Hu, Jiapeng Zhu ·

    DELOS: Detecting Shallow Transits in Kepler Photometry Using a Contrastive-Learning Framework

    arXiv:2605.29428v1 Announce Type: cross 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,…