ExoLogica AI 2.0: simulátor spektrech JWST

ExoLogica AI 2.0: astrofyzikální konvejér s generátorem spekter JWST pro exoplanety

Vývojáři ExoLogica AI 2.0 vytvořili 14-krokový konvejér pro hodnocení obyvatelnosti exoplanet, který kombinuje strojové učení s astrofyzikálními modely. Systém generuje syntetická spektra průchodu pro teleskop JWST a ověřuje přesnost predikcí v podmínkách posunu rozdělení dat (distribution shift) i mimo tréninkovou distribuci (OOD). Ablation study potvrzuje výhodu hybridního přístupu: střední absolutní chyba (MAE) klesá z 7,054 M⊕ (čistě empirický přístup) na 3,998 M⊕ (ML + fyzika).

Validace modelu: ablation study a posun rozdělení dat

Modul validace testuje schopnost modelu zobecnit výsledky na skalnatých planetách (R < 6 R⊕, M < 50 M⊕). Porovnání jednotlivých přístupů:

• Pouze fyzika (Chen & Kipping 2017): MAE = 7,054 M⊕, ignoruje nelineární efekty.
• Čistý XGBoost: MAE = 4,200 M⊕, generuje nepravděpodobné hustoty.
• Hybrid ML + fyzika s omezením (Clip): MAE = 3,998 M⊕, bayesovské apriorní pravděpodobnosti eliminují anomálie.

Test posunu rozdělení podle spektrálních tříd hvězd:

• Třída M (červení trpaslíci): MAE = 3,868 M⊕.
• Třída K: MAE = 4,141 M⊕.
• Třída G: MAE = 5,160 M⊕.
• Třída F: MAE = 8,039 M⊕ (OOD kvůli intenzivnímu fotoodpařování).

Kalibrace nejistot ukazuje pokrytí 95% intervalu spolehlivosti (CI) na 90,8 % u nezávislé testovací sady. Nástroj Domain Checker používá Z-skóre k identifikaci OOD případů: např. oběžná doba delší než 100 dní snižuje důvěru v predikci.

14-krokový fyzikální konvejér

Konvejér simuluje vnitřní strukturu planety, erozi atmosféry i klimatické podmínky. Klíčové kroky:

• Geofyzika: Podíl jádra (fcore) podle Zeng et al. (2016) určuje sílu magnetodynamického generátoru.
• Magnetosféra: Porovnání tlaku hvězdného větru (Psw) a magnetického tlaku (Pmag) podle Vidotto et al. (2015); poměr Rmp < 1 Rp signalizuje začínající erozi.
• Eroze plynů: Jeansovo uniknutí (vrms > vesc/6) a hydrodynamické fotoodpařování (Owen & Wu 2017) pro H₂, H₂O a CO₂.
• Klima: Model šedé atmosféry s albedem (A) a infračervenou optickou tloušťkou (τIR); povrchová teplota (Tsurf) odvozena z rovnovážné teploty (Teq).
• Bayesovský apriorní model: M = α R^β 10^{γ [Fe/H]} e^{-δ t}.

Finální index CHI trestá za přílivové uzamčení, chybějící magnetosféru a nedostatečnou vulkanickou aktivitu. Pouze objekty splňující všechny podmínky jsou dále analyzovány pomocí náhodného lesa.

Příklad analýzy planety TOI-700 d ilustruje postupný výpočet – od odhadu hmotnosti až po finální skóre CHI.

Generátor spekter JWST: transmisní spektroskopie

SpectralEngine vytváří spektra průchodu (0,6–12 μm) na základě plynů, které přežily erozi. Algoritmus:

• Výpočet škály výšky: H = k_B T_surf / (μ g).
• Poloměr planety jako funkce vlnové délky R(λ) s Gaussovými profily čar (HITRAN/ExoMol).
• Hloubka tranzitu: δ(λ) = [(R_p + z(λ))/R_*]^2 v ppm.
• Přidaný šum odpovídající 1σ citlivosti JWST.

Spektra umožňují detekci biosignatur (H₂O, CH₄, CO₂) prostřednictvím chemické nerovnováhy – simulují tak reálná pozorování z vesmírného teleskopu.

Klíčové závěry

• Hybridní přístup ML+fyzika zlepšuje MAE o 43 % oproti čistě empirickému modelu a eliminuje OOD-anomálie.
• Domain Checker a 90,8% pokrytí 95% CI zaručují spolehlivost predikcí.
• 14 kroků konvejéru detailně modeluje erozi, magnetosféru a klima; index CHI je přesnější než tradiční ESI.
• Generátor spekter JWST vytváří realistická spektra pro optimalizaci plánování pozorování.
• Omezení: nižší přesnost u hvězd třídy F kvůli nedostatku dat o fotoodpařování.

— Editorial Team