实体
Ariel
Ariel
PulseAugur coverage of Ariel — every cluster mentioning Ariel across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
图神经网络加速系外行星大气分析
研究人员开发了一种图神经网络（GNN），以更有效地计算系外行星大气中的非平衡化学。这种新的GNN模型将化学物质表示为节点，将反应速率表示为边，从而允许信息沿着具有物理意义的化学路径传播。该GNN在模拟大气上进行了训练，与以前的模型相比，显著减少了丰度误差，并且足够准确，可以集成到詹姆斯·韦伯太空望远镜和Ariel等任务的大气检索流程中。
-
新的AI方法归因于太空任务ML模型的错误
研究人员开发了一种新方法，用于归因用于科学太空任务的机器学习模型中的错误，特别关注ESA的Ariel任务。该方法将影响重新定义为基于预测而非损失，从而可以无标签部署。它使用极限学习机（Extreme Learning Machine）的闭式岭解（closed-form ridge solution）来高效计算无穷小的预测影响，并通过将训练残差传播到影响敏感度来推导出保守的误差代理。该方法已通过模拟光谱进行了评估，显示出与光谱误差的强相…
-
机器学习通过JWST和Ariel数据彻底改变系外行星探测
一篇新的综述文章详细介绍了机器学习和深度学习技术在系外行星探测和大气表征中的整合应用，这得益于詹姆斯·韦伯太空望远镜和即将进行的Ariel任务的进步。该文章综合了将随机森林、卷积神经网络、Transformer以及现代基于仿真的推理等方法应用于分析这些任务产生的海量数据集的进展。结果表明，深度学习方法在速度和准确性上与传统流程相匹配或超越，显著缩短了大气反演的推理时间。