ЭкзоЗавеса: как одна транзитная тень выдаёт экзопланеты ✦
EXOVEIL — система поиска транзитов, оперирующая необработанными временными рядами потока и способная детектировать одиночные прохождения. На основе Transformer-модели, обученной с маскированием транзитов на 16 499 кривых блеска Kepler, предсказывается ожидаемый звёздный поток; согласованный фильтр с весовой дисперсией извлекает сигналы из остатков предсказаний. Классификатор XGBoost отделяет планеты от ложных срабатываний (AUC 0.938 на Kepler DR25). При инжекции одиночных транзитов глубиной 1000 ppm система восстанавливает 32% — задача, где все классификационные методы показывают 0%. Слепой поиск по 3737 звёздам Kepler выявил 179 новых транзитоподобных сигналов, включая 46 кандидатов в монотранзиты. Без переобучения система обнаружила все 47 подтверждённых планет TESS в поле PLATO LOPS2, демонстрируя кросс-миссионный перенос. При 25-секундном кадре PLATO детектируются транзиты до 100 ppm — вплотную к режиму аналогов Земли. Впервые применено конформное предсказание с эмпирическим покрытием 95.9%. Код, предобученные веса и каталог кандидатов открыты (pip install exoveil).
Контекст
Классические алгоритмы транзитного поиска экзопланет требуют знания периода и сложенного фазового сигнала. Если планета проходит по диску лишь раз за всё время наблюдения — что типично для долгопериодических аналогов Земли — эти методы бессильны. Именно на таких объектах сосредоточен интерес миссии PLATO и будущих исследований обитаемости. ExoVeil меняет парадигму: вместо классификации известных сигналов система учится предсказывать яркость звезды и реагирует на любые систематические отклонения, подобно детектору аномалий.
Методы
В основе ExoVeil — нейросеть-трансформер (6 слоёв, 8 голов внимания), обученная предсказывать следующий отсчёт яркости звезды по всей предыдущей истории. Чтобы транзиты стали максимально аномальными, во время обучения участки с известными планетами маскировались и заменялись интерполированным фоном — модель никогда не видела настоящих транзитов. Обученная на кривых фотометрии 16 499 звёзд, включая солнцеподобные и красные карлики, модель затем вычисляет остатки, к которым применяется согласованный фильтр (matched filter) с весами, обратными дисперсии предсказания, что повышает чувствительность на спокойных участках и подавляет шум. Ложные срабатывания, такие как затменные двойные с белыми карликами, отсеиваются классификатором XGBoost на 21 признаке, а конформное предсказание даёт формальные гарантии покрытия для ранжирования кандидатов.
Результаты
Слепой поиск среди 3737 звёзд «Кеплера» выявил 179 транзитоподобных аномалий, не входящих в каталог DR25; правда, визуальный анализ показал, что часть из них вызвана пост-вспышечным остыванием, ошибками отслеживания вращения и краевыми эффектами. В тесте с вбросом одиночных транзитов ExoVeil восстановила 32% событий на глубине 1000 ppm — в то время как традиционные классификаторы не могут работать вовсе без фазовой свёртки. При переносе на данные TESS без переобучения система обнаружила все 47 подтверждённых планет в поле PLATO LOPS2, включая долгопериодические и мелкие. Моделирование каденса PLATO (25-секундные экспозиции) показало, что чувствительность достигает 100 ppm, приближаясь к режиму земных аналогов. Все эти результаты, однако, требуют проверки с помощью последующей спектроскопии.
Значение
Новый подход разрушает барьер между детекцией и классификацией. Он особенно ценен для поиска долгопериодических планет, которые невозможно найти традиционными методами, и фактически удваивает доступное для анализа окно наблюдений. Поиск планет в нашей Галактике вступает в новую эру. Более того, формальные гарантии конформного предсказания позволяют эффективнее распределять дорогостоящее время телескопов для подтверждения. В перспективе, с развитием спектроскопии атмосфер, основанной на законах Ридберга, такие кандидаты могут стать целями для поиска биомаркеров — воды, метана и углекислого газа — в их атмосферах.
Развитие
Развитие метода пойдёт по нескольким направлениям: улучшение чувствительности за счёт более лёгких архитектур (например, Mamba вместо трансформера) для обработки полных кривых блеска; интеграция с симуляциями PLATO для точной оценки эффективности в режиме земных аналогов; и создание гибридных систем, совмещающих предсказание с классификацией. Важным шагом станет автоматическое распознавание и отсев выявленных классов ложных тревог.
Влияние
Метод непосредственно повлияет на дизайн пайплайнов обработки данных будущих миссий (PLATO, ARIEL), стратегию наземного сопровождения и распределение наблюдательного времени.
Следующие шаги
Ближайшие шаги включают валидацию на симулированных данных PLATO (PlatoSim), добавление фильтров для автоматической отбраковки ложных срабатываний и подтверждение кандидатов через радиальные скорости, использующие принцип Доплера.
Ключевые проблемы
Результаты напрямую связаны с центральной проблемой современной астрофизики — поиском потенциально обитаемых миров и пониманием частоты возникновения жизни во Вселенной.
🎯 Забавный факт: первая версия детектора, основанная на ручных правилах, дала AUC 0.36 — хуже случайного угадывания (0.5). Оказалось, что остатки от затменных двойных глубже, чем от планет, и система приняла их за «более надёжные» сигналы.
Ключевые числа
- Обучено на звёздах «Кеплера»: 16 499
- Восстановление одиночных транзитов (1000 ppm): 32%
- Новые кандидаты в слепом поиске: 179
- Восстановление планет TESS (LOPS2): 100% (47/47)
- Глубина детекции при каденсе PLATO: 100 ppm