KI und die schwierigen Probleme der Welt · Astronomie & Weltraum · arXiv · 2026-10-20
Parameterschätzung bei Einzeltransits mit kalibrierten Unsicherheiten
Originaltitel: Single-Transit Parameter Estimation with Calibrated Uncertainties
Einzelne Transitereignisse lassen sich mit Standardmethoden, die für periodische Signale entwickelt wurden, nur schwer analysieren, doch ihre Charakterisierung ist für Nachbeobachtungen wichtig. Die Autoren trainierten ein Convolutional Neural Network auf synthetischen Lichtkurven, um Transittiefe, Dauer und Zeitpunkt der Transitmitte mit kalibrierten Unsicherheiten aus einem einzigen Transit vorherzusagen. Bei 120 bestätigten Exoplaneten erreichte es beim medianen Fehler die Leistung einer trapezförmigen Least-Squares-Baseline, scheiterte aber nur in 1 % der Fälle gegenüber 10 % bei der Baseline, und es identifizierte 169 neue Kandidaten in den TESS-Sektoren 27–60.