AI 與世界的難題 · 天文與太空 · arXiv · 2026-10-20
具校準不確定度的單次凌日參數估計
原標題: Single-Transit Parameter Estimation with Calibrated Uncertainties
單次凌日事件很難用為週期性訊號設計的標準方法進行分析，但對其特性加以刻畫對後續觀測至關重要。作者以合成光變曲線訓練卷積神經網路，僅憑單次凌日即可預測凌日深度、持續時間與凌日中點時間，並給出經校準的不確定度。在120顆已確認的系外行星上，其中位數誤差與梯形最小平方法基準相當，但失敗率僅為1%，基準方法則為10%，並在TESS第27–60觀測區段中識別出169個新的候選天體。