TransitNet

TransitNet 深度学习模型提高了系外行星探测精度

研究人员开发了 TransitNet，一个专为检测低信噪比（SNR）系外行星而设计的深度学习框架。该模型在识别类地行星方面表现出高精度，在具有挑战性的 SNR 范围内达到 95.2% 的准确率，性能优于 TLS 和 BLS 等现有方法。TransitNet 还提供凌星窗口和中点估算，在应用于真实的 Kepler 数据时具有较低的平均绝对误差。该框架以其紧凑的尺寸和计算效率而著称，与传统算法相比速度显著提升。