继续阅读
恒星为什么会装出一颗行星 · 阅读路径
恒星为什么会装出一颗行星
还有 1 组
用到同一实验的其他文章
本文用到、其他系列也在用的实验,后面跟着那些系列里的文章。
轨道和转动的表面都能解释一段变化。先减去一条最喜欢的活动曲线,会把剩下的问题变得过于简单。后验给出看到数据以后,各种分配仍有多大可能,并保留它们之间的相关。
用无量纲潜过程表示随时间演化的活动覆盖。钙线指标可以跟随覆盖量,速度则可能同时响应覆盖量及其变化率,把测得的速度和缩放后的钙活动指标记为 、,轨道速度记为 ;、 为通道零点,、 为独立通道噪声。系数 、、 决定共同过程 及其时间导数怎样影响观测,得到下面的联合模型。它描述统计响应,没有反演出真实星斑地图。
协方差取单位方差的准周期形式:时间靠近会相关,自转相位接近也会相关,演化时间尺度则逐渐抹去相似性。演化时间 、复现周期 和时差 都用天,周期宽度 没有量纲。下面的周期宽度沿用 Rajpaul 的归一;Haywood 文中的宽度参数与它相差两倍。只抄数值、不抄定义,会改变先验。
对应阅读:Rajpaul et al. — joint activity processes, arXiv:1506.07304v1 · Haywood et al. — CoRoT-7, arXiv:1407.1044v1
记 、,先写出对数导数。对第二个时刻求导时,时间差变小,符号会反过来;再对两个时刻各求一次导数,得到导数过程的协方差。不同时间的速度—钙线块互为转置,不能直接复制成同一块。
随后加上原文测量方差与各通道独立的正抖动方差。完整矩阵包含全部 71 个速度和 71 个钙指标,大小为 142。原表未给 BIS 与半高全宽的逐点正式误差,这两列保留为辅助数据。
对应阅读:Rajpaul et al. — joint activity processes, arXiv:1506.07304v1 · Rasmussen & Williams — Gaussian Processes for Machine Learning, Chapter 2
固定非线性参数后,把轨道正余弦和两个通道零点写成设计矩阵,给系数一个正规的零均值高斯先验。把设计矩阵记为 ,142 维观测向量为 ,活动与噪声协方差为 。系数先验协方差为 ,条件后验均值与协方差为 、;各行、各系数保留速度或缩放后钙指标的相应单位。配方得到条件协方差与均值;把系数积分掉,则得到带完整归一化的超参数边缘密度。
默认重跑给正弦与余弦系数独立的每秒 10 米标准差,因而非负振幅隐含的是瑞利先验。改成每秒 3 米的实验会明确改变它。短周期固定为 0.85359165 天,第二周期在 3.3 至 4.1 天之间均匀分布。振幅推断以这两个圆轨道分量和周期范围为条件;若要盲搜周期与行星个数,就需要更大的假说空间。
对应阅读:Rasmussen & Williams — Gaussian Processes for Machine Learning, Chapter 2 · Rajpaul et al. — joint activity processes, arXiv:1506.07304v1
本例的系数与标准差统一用米每秒。假设测得某个正弦系数为 10,误差为 1;行星项和活动项却乘着完全相同的正弦。两项先验独立,标准差分别为 5 和 10。总和再加噪声的方差为 126。高斯条件分布把行星均值分到 ,活动分到 。行星标准差仍约为 4.48,两部分还有很强的负协方差。
若再有一次独立活动观测,结果为零、误差为 1,活动后验方差变成 。同一个速度观测此时给出行星均值约 9.26、标准差约 1.36。第二通道带来了独立信息,改变了分配,并没有给出放之四海而皆准的扣除系数。
公开注入实验在真实观测时刻上重做这个问题,数值全部为合成。为看清退化,它专门使用相干的单谐波高斯过程,与实测拟合的完整准周期核分开。行星周期接近自转时,活动先验可以吸收或释放轨道振幅;有约束力的合成活动通道则会帮助分开两者。因为真值已知,这个实验才便于诊断。
对应阅读:Rasmussen & Williams — Gaussian Processes for Machine Learning, Chapter 2 · Rajpaul et al. — joint activity processes, arXiv:1506.07304v1
非线性参数通过防御性混合提议采样:保留百分之十五的完整先验分量,再加多个自适应 Student 分量。每一点用精确的似然乘先验、除以完整提议密度来加权。适应阶段的样本被丢弃,最终样本另行生成;条件高斯的均值和完整协方差再按全期望、全协方差合并,保留参数间的相关。
最初 512 个先验节点的有效样本数接近一,计算失败。最终联合模型在 32768 点中有约 6409 的有效样本数,最大归一权重约 0.00235;独立种子和 65536 点加密给出接近的振幅区间。已知高斯目标和分离的三峰目标另行检查归一化与模态覆盖。这些诊断支持所声明先验下的积分计算,其他合理的恒星活动模型仍待比较。
对应阅读:Rasmussen & Williams — Gaussian Processes for Machine Learning, Chapter 2 · Haywood et al. — CoRoT-7, arXiv:1407.1044v1
先扣掉最佳活动曲线,再拟合行星,为什么区间容易过窄?
这等于固定一种活动解释,丢掉它与轨道系数之间的协方差。不同分配可能同样拟合得好;把不确定性积分或采样保留下来,才能看到轨道贡献允许的更大范围。
最大似然的自转周期在 24 天,是否表示后验几乎都集中在那里?
不是。后验质量还取决于先验密度,以及附近参数空间的宽度和体积。尖峰不一定比宽而稍低的一片区域占更多质量,需要正规的加权样本来判断。
2014年7月3日版本。第2—3及4.2节、式1—12、附表A1。保留2012年HARPS全部71行数值,教程没有复现完整同期测光分析。
2015年6月24日版本。第3.1—3.4、4.1—4.2节,图3—4及附录A.2。导数符号采用第一时刻减第二时刻的时差;核宽度必须连同定义使用。
作者提供的2006年第2章,第2.1—2.2及2.7节:高斯条件分布、正规边缘密度与线性基函数。这里的重要抽样器与表面积分为独立编写。
恒星为什么会装出一颗行星 · 阅读路径
本文用到、其他系列也在用的实验,后面跟着那些系列里的文章。