Forscher finden Tausende versteckter Planeten-Kandidaten in TESS-Daten
Ein von einem Princeton-Absolventen geleitertes Team hat TESS-Daten des ersten Jahres bis zur 16. Magnitude erneut verarbeitet und eine Machine-Learning-Pipeline auf ungefähr 84 Millionen Helligkeitsaufzeichnungen über etwa 54 Millionen Sterne angewendet. Mithilfe von zwei Random-Forest-Klassifikatoren, trainiert auf bestätigten Planeten, Ekliptischen Binären und injizierten Signalen, identifizierten sie 11.554 Planeten-Kandidaten, davon 10.091 bislang unbekannt, und validierten einen Hot Jupiter mit dem Magellan-Teleskop. Die Liste umfasst 411 Einzeltransit-Ereignisse und Kandidaten mit Perioden von 12 Stunden bis etwa 27 Tagen, und die Autoren schätzen, dass 3.000 bis 5.000 echte Planeten für eine Nachverfolgung geeignet sein könnten.
Maschinelles Lernen identifizierte 11.554 Planeten-Kandidaten in TESS-Daten des ersten Jahres.
Hintergrund
TESS sammelte sein erstes Jahr an Daten im Jahr 2018 und die meisten…
Die vollständige Analyse
19 Dimensionen zu dieser Meldung — weltweite Auswirkung, Markteinschätzung und wie es weitergeht.
- Vollständiger KontextGesperrt
- Betroffene BranchenGesperrt
- BörsenauswirkungGesperrt
- WirtschaftsindikatorArchivdaten-Analyse mit maschinellem…Gesperrt
- Relevanz für InvestorenGesperrt
- Berufliche RelevanzGesperrt
- BeobachtungspunkteAnzahl der Kandidaten-Bestätigungen aus…Gesperrt
- Wahrscheinlichkeit einer ÄnderungGesperrt
- DiskussionspunkteGesperrt
- Historische ParalleleFrühe vorhergesagte Papiere erwarteten…Gesperrt
- Erforderliches VorwissenGesperrt
- Weiterführende FragenWie viele der neuen Kandidaten werden…Gesperrt
- Vor- und NachteileAstronomen: gewinnen viele neue…Gesperrt