The planetary systems detected so far already exhibit a wide diversity of architectures, and various methods are proposed to study quantitatively this diversity. Straightforward ways to quantify the difference between two systems and more generally, two sets of multiplanetary systems, are useful tools in the study of this diversity. In this work we present a novel approach, using a Weighted extension of the Energy Distance (WED) metric, to quantify the difference between planetary systems on the logarithmic period-radius plane. We demonstrate the use of this metric and its relation to previously introduced descriptive measures to characterise the arrangements of Kepler planetary systems. By applying exploratory machine learning tools, we attempt to find whether there is some order that can be ascribed to the set of Kepler multiplanet system architectures. Based on WED, the 'Sequencer', which is such an automatic tool, identifies a progression from small and compact planetary systems to systems with distant giant planets. It is reassuring to see that a WED-based tool indeed identifies this progression. Next, we extend WED to define the Inter-Catalogue Energy Distance (ICED) - a distance metric between sets of multiplanetary systems. We have made the specific implementation presented in the paper available to the community through a public repository. We suggest to use these metrics as complementary tools in attempting to compare between architectures of planetary system, and in general, catalogues of planetary systems.


翻译:至今所探测到的行星系统已经呈现出广泛的结构多样性, 并提出了多种方法来从数量上研究这种多样性。 直走的量化两种系统之间差异的方法, 以及更广义地说, 两组多行星系统, 是研究这种多样性的有用工具。 在这项工作中, 我们提出了一个新颖的方法, 使用能源距离(WED)测量的加权扩展法, 量化对数周期- 射线平面上的行星系统之间的差异。 我们展示了这一指标的使用情况, 以及它与先前引入的描述性措施之间的关系, 来描述开普勒行星系统安排的特点。 通过应用探索性机器学习工具, 我们试图找出一些可以与开普勒多行星系统结构相挂钩的顺序。 根据WED, “序列”是这样一个自动工具, 确定从小型和紧凑的行星系统向远行星行星卫星系统的发展。 我们扩展WED, 来定义星际能源距离(ICED) 系统, 在公共行星目录中, 我们用一个远程测量工具, 我们用这些星系的远程测量系统, 来比较。

0
下载
关闭预览

相关内容

专知会员服务
122+阅读 · 2021年3月22日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Distributed Saddle-Point Problems Under Similarity
Arxiv
0+阅读 · 2021年7月22日
Arxiv
14+阅读 · 2020年12月17日
VIP会员
相关VIP内容
专知会员服务
122+阅读 · 2021年3月22日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员