TransitNet：面向低信噪比凌星盲搜的深度学习框架

Xingchen Yan 等研究者提出 TransitNet，一个用于低信噪比（SNR）凌星盲搜的紧凑型注意力增强深度学习框架，用于从测光数据中自动识别凌星信号。 据论文，在由未见过的 Kepler 目标构建的恢复基准上，TransitNet 在较难的 SNR 6–8 区间达到 95.2% 的准确率；应用于真实 Kepler 观测时，模型成功找回了全部 34 颗被选中的已确认 Kepler 行星，凌星中点平均绝对误差为 1.24 小时。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。