Machine Learning Assisted Dynamical Classification of Trans-Neptunian Objects

要約

太陽系外縁天体 (TNO) は、太陽系の外側にある小さな氷の天体です。
それらは、巨大惑星の初期の力学的歴史と移動によって形成された複雑な軌道分布を持っていることが観察されています。
モデル化および観測された TNO のさまざまな力学クラス間の比較は、太陽系外部の歴史を制約するのに役立ちます。
TNO の複雑な力学、特に海王星との平均運動共鳴およびそれに近いもののため、分類は伝統的に軌道パラメータの時間発展のプロットを人間が検査することによって行われてきました。
これは非常に非効率的です。
ベラ・ルービン天文台のレガシー・サーベイ・オブ・スペース・アンド・タイム（LSST）では、既知の TNO の数が $\sim$10 倍に増加すると予想されており、より自動化されたプロセスが必要になります。
この章では、TNO 向けに改良された教師あり機械学習分類器を紹介します。
大規模で多様なトレーニング セットと、TNO 軌道の数値積分から計算された慎重に選択された動的動機のデータ特徴を使用することで、私たちの分類器は 98% の確率で人間の分類器の結果と一致し、99.7% の確率で動的に関連する分類を返します。
時間。
この分類器は人間の分類よりも劇的に効率的であり、観察された TNO データとモデル化された TNO データの両方の分類を改善します。

要約(オリジナル)

Trans-Neptunian objects (TNOs) are small, icy bodies in the outer solar system. They are observed to have a complex orbital distribution that was shaped by the early dynamical history and migration of the giant planets. Comparisons between the different dynamical classes of modeled and observed TNOs can help constrain the history of the outer solar system. Because of the complex dynamics of TNOs, particularly those in and near mean motion resonances with Neptune, classification has traditionally been done by human inspection of plots of the time evolution of orbital parameters. This is very inefficient. The Vera Rubin Observatory’s Legacy Survey of Space and Time (LSST) is expected to increase the number of known TNOs by a factor of $\sim$10, necessitating a much more automated process. In this chapter we present an improved supervised machine learning classifier for TNOs. Using a large and diverse training set as well as carefully chosen, dynamically motivated data features calculated from numerical integrations of TNO orbits, our classifier returns results that match those of a human classifier 98% of the time, and dynamically relevant classifications 99.7% of the time. This classifier is dramatically more efficient than human classification, and it will improve classification of both observed and modeled TNO data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google