XGBoost 上的系外行星质量混合 AI

混合AI预测系外行星质量：从KNN失败到XGBoost成功，融合物理约束

一支高中生团队开发了ExoLogica AI系统——结合XGBoost梯度提升与物理定律，从NASA、exoplanet.eu和ExoKyoto数据库中重构系外行星质量。在尝试KNN算法失败（忽略行星物理规律）后，神经-物理合成架构实现了真实密度预测与分类，融入了富尔顿间隙和开普勒定律。该工具基于Python开发，采用Tkinter界面，无需服务器即可完成数据分析。

系统统一异构数据库，先用机器学习进行初步估算，再通过物理公式优化结果，有效避免了如‘克隆墙’等伪影现象。

跨全球数据库的数据标准化

整合NASA系外行星档案、exoplanet.eu和ExoKyoto需统一数据格式。行星标识符各不相同：NASA使用pl_name，EU使用name，ExoKyoto使用#PlanetName。质量单位统一为地球质量。

列映射代码如下：

def standardize_columns(df, source_type):
    mappings = {
        'NASA': {'pl_name': 'name', 'hostname': 'star_name', 'pl_masse': 'mass_e'},
        'EU': {'name': 'name', 'star_name': 'star_name', 'mass': 'mass_e'},
        'ExoKyoto': {'#PlanetName': 'name', 'StarName': 'star_name', 'MassEarth': 'mass_e'}
    }
    return df.rename(columns=mappings.get(source_type, {}))

df_total = pd.concat([df_nasa, df_eu, df_jp]).drop_duplicates(subset=['name'], keep='first')

此方法在去重的同时保留信息最完整的记录。数据集包含超过9000个天体，部分质量缺失源于凌星法的局限性。

Tkinter界面以颜色编码显示摘要表格：绿色代表类地行星，蓝色为海洋世界，红色为热木星。地球相似指数（ESI）自动计算生成。

在统一数据集上对比机器学习算法

三种模型测试揭示了各自的优劣：

• KNN：基于最近邻外推，导致‘克隆墙’现象——所有预测密度集中于约8.82 g/cm³。忽视非线性特征，如富尔顿间隙。
• 随机森林：稳定性强但平均化异常值，对稀有行星类型敏感度不足。
• XGBoost：梯度提升迭代修正树模型误差，能自主识别从岩石行星到气态巨行星的过渡，无需显式标注。

XGBoost在验证指标上表现最优，尤其在半径1.5–2 R⊕区间预测质量时优势显著。

神经-物理合成架构

预测流程分为三层：

• 机器学习层：XGBoost根据半径、轨道周期及恒星参数预测质量。
• 物理层：依据开普勒第三定律与斯特藩-玻尔兹曼定律校验，计算平衡温度与辐照度。
• 融合层：若机器学习结果违背物理规律，则进行修正——例如当密度超过阈值时，将铁质行星替换为气态巨行星。

界面中“人工智能”模式展示前后对比：KNN输出均匀密度，而XGBoost+物理法则呈现多样化结果（迷你海王星密度4.49 g/cm³，红矮星周围冰冻世界密度极低）。

质量-密度的对数图清晰标示关键区域：亚地球、超级地球、迷你海王星。KOI-4878 b被归类为‘巨型水星’，拥有异常高的铁核。

面向开发者的界面与分析功能

Tkinter应用包含：

• ESI与分类的表格展示。
• 机器学习错误可视化（如克隆墙现象）。
• 含相区划分的融合分析图。
• 天体卡片验证功能：比邻星b为冰封岩石世界；TRAPPIST-1 e/f/g位于宜居带且类地。

基于scikit-learn、xgboost与pandas构建，可在学校电脑流畅运行。‘学院’模块公开公式，确保透明可追溯。

核心收获：

• 混合机器学习与物理约束，有效消除纯AI在天体物理中的幻觉问题。
• XGBoost能独立发现数据中的富尔顿间隙。
• 统一三大数据库，构建完整系外行星目录。
• Tkinter界面实现免Jupyter的便捷分析。
• 实际候选体预测结果通过密度与ESI双重验证。

— Editorial Team