Wotan: Comprehensive time-series de-trending in Python
在时间序列测光中探测凌日系外行星需要去除或建模仪器和恒星噪声。虽然可以使用像素级去相关等方法来减少仪器系统学，但在保留过境信号的同时去除恒星趋势证明是具有挑战性的。由于最近的交通调查中有大量的光变曲线档案，因此迫切需要精确的自动去趋势，而无需人工干预。各种各样的去趋势算法正在积极使用，但它们在公交发现方面的比较性能尚未得到研究。我们对数百个开普勒，K2和TESS行星，选择代表最困难的情况下，小行星与恒星半径比系统的所有常用的去趋势方法进行基准测试。探索每种方法的完整参数范围，以确定行星发现的最佳选择。我们的结论是，理想的方法是一个时间窗口滑块的迭代鲁棒的位置估计的基础上Tukey的双权重。这种方法分别恢复了99%和94%的最浅的开普勒和K2行星。我们包括一个额外的分析，年轻的恒星极端的变化，并得出结论，他们最好的治疗使用一个强大的Huber估计的样条为基础的方法。所有探索的恒星去趋势方法都可以在wotan中公开使用，wotan是GitHub上的一个开源Python包（参见https：//github.com/hippke/wotan）。
2019-08-07 astro-ph.EP astro-ph.IM
CONAN: A Python package for modeling lightcurve and radial velocity data of exoplanetary systems
本文介绍开源Python软件包CONAN，通过统一贝叶斯框架同时分析凌星、掩星、相位曲线和视向速度等多类数据，并支持多种去趋势模型，以获取系外行星系统的全局参数。
2025-08-27 astro-ph.EP astro-ph.IM
RoadRunner: a fast and flexible exoplanet transit model
我介绍了RoadRunner，一个快速的系外行星凌日模型，它可以使用任何径向对称函数来模拟恒星边缘变暗，同时仍然比Mandel & Agol（2002）的二次边缘变暗的分析凌日模型更快。该模型的CPU和GPU实现可在PyTransit运输建模包中使用，并具有独立于平台的并行化，超级并行化和对复杂异构时间序列建模的支持。代码是用数字加速的Python（以及OpenCL中的GPU模型）编写的，没有C或Fortran依赖性，这允许将肢体变暗模型作为任何Python可调用的函数给出。最后，作为该方法灵活性的一个例子，最新版本的PyTransit带有一个数值临边暗化模型，该模型直接使用LDTK生成的临边暗化轮廓，而无需通过分析模型进行近似。
2020-09-17 astro-ph.EP astro-ph.IM
Alfred: A Flexible, User-Friendly Python Package for Exoplanet Confirmation
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
针对TESS系外行星候选体确认需求，推出开源Python软件包Alfred，支持灵活拟合系外行星凌星与视向速度数据，可通过pip安装且文档在开发中。
2026-08-28 astro-ph.EP astro-ph.IM
Fast and Precise Light Curve Model for Transiting Exoplanets with Rings
在太阳系已知的环中存在硅酸盐物质，这增加了环系统存在的可能性，即使在雪线内也是如此--大多数凌日系外行星都是在雪线内发现的。以前的研究表明，在凌日光变曲线中检测系外行星环是可能的，尽管具有挑战性。为了帮助这种未来的探测系外行星环，我们提出了多边形+段模型建模的光变曲线的系外行星环。这个高精度的模型包括完整的环几何形状，以及可能的环透明度和主星的边缘变暗。它在计算上也很高效，只需要在小范围内进行一维积分，比现有技术更快。该算法的核心是进一步推广到计算任何一组凸基元形状在运输中的光变曲线（{ \it例如}）。多行星、扁圆行星、卫星、环、其组合等）同时考虑到它们的重叠。python源代码已经发布。
2019-10-26 astro-ph.EP
Transit Light Curves with Finite Integration Time: Fisher Information Analysis
开普勒以其对15万多颗目标恒星前所未有的光度精度彻底改变了凌日行星的研究。开普勒探测到的大多数凌日行星候选者都被观测为长节奏目标，积分时间为30分钟，即将到来的凌日系外行星调查卫星（TESS）将以类似的积分时间记录全帧图像。30分钟的积分会影响凌日的形状，特别是对于小行星和低信噪比的情况。使用Fisher信息矩阵技术，我们推导出解析近似的方差和协方差的过境参数从拟合光变曲线测光收集有限的积分时间。我们发现，分箱的光变曲线可以显着增加的不确定性和协方差的推断参数时，比较方案与恒定的总信噪比（恒定的总积分时间，在没有读噪声）。与瞬时采样的光变曲线相比，在30分钟的积分时间内，地球大小的行星的过境进入/离开时间增加了34倍，而类太阳恒星周围的行星大小的行星增加了3.4倍。类似地，地球和小行星过境时间的不确定性增加了3.9和1.4倍。不受传播深度的影响很大程度上不受有限积分时间的影响。虽然通过深度、进入持续时间和通过持续时间之间的相关性都随着积分时间的增加而增加，但是中间通过时间与其他参数保持不相关。我们在www.its.caltech.edu/~eprice上提供了Python和Mathematica的代码，用于预测方差和协方差。
2014-08-18 astro-ph.EP
Shadow Imaging of Transiting Objects
我们考虑的问题，推断一个过境对象的轮廓的形状，从它的光变曲线单独，而不假设一个物理模型的对象。我们将物体建模为一个穿过恒星的像素网格;每个像素都有一个不透明度，从透明到不透明，我们从光变曲线中推断出来。我们探讨了三个有趣的退化问题，其中明显不同的过境形状可以产生相同的光变曲线：（i）“翻转”退化，其中两个像素在相同的碰撞参量在恒星的水平中平面的相对两侧过境产生相同的光变曲线;（ii）“弧”简并性，通过该“弧”简并性，不透明度可以沿着像素的半圆弧重新分布，所述像素同时经历进入或离开而不影响光变曲线，以及（iii）“拉伸”简并性，通过该“拉伸”简并性，快速移动的宽形状可以产生与较慢移动的窄形状相同的光曲线。通过了解这些退化，并采取一些额外的假设，我们能够数值恢复信息的阴影图像过境对象，我们探索了一些不同的算法来解决这个问题。我们将我们的方法应用到实际数据中，包括TRAPPIST-1c，e，f三重凌日和Boyajian星的两个倾角。我们提供Python代码来计算任何网格的过境光曲线，相反，推断图像网格生成本文附带的软件包中的任何光曲线，EightBitTransit。
2018-12-04 astro-ph.EP
Allesfitter: Flexible Star and Exoplanet Inference From Photometry and Radial Velocity
我们介绍allesfitter，一个公共和开源的python软件，用于灵活和强大的恒星和系外行星的光度和径向速度数据推断。Allesfitter提供了丰富的轨道和凌日/日食模型选择，可容纳多个系外行星，多恒星系统，凌日时间变化，相位曲线，恒星变化，恒星黑子，恒星耀斑和各种系统噪声模型，包括高斯过程。它具有参数估计和贝叶斯模型选择功能，允许轻松运行马尔可夫链蒙特卡罗（MCMC）或嵌套抽样拟合。对于新手用户，图形用户界面允许指定所有输入并执行分析;对于python用户，所有模块都可以很容易地导入任何现有脚本中。Allesfitter还生成可用于发布的表格、LaTeX命令和图形。该软件是公开的（https：//github.com/MNGuenther/allesfitter），pip安装（pip install allesfitter）和良好的文档（www.allesfitter.com）。最后，我们展示了该软件的能力，在几个例子，并提供更新的文献中可能的Pi Mensae，TOI-216，WASP-18，KOI-1003和GJ 1243。
2020-05-19 astro-ph.EP astro-ph.IM astro-ph.SR
The ExoTETHyS package: Tools for Exoplanetary Transits around Host Stars
我们在这里介绍了开源Python包ExoTETHyS的第一个版本，它旨在提供一套独立的工具，用于对凌日系外行星的分光光度观测进行建模。特别是，我们描述：（1）一种新的恒星边缘变暗系数计算器，在光变曲线模型精度方面比现有软件高一个数量级，即，低至<百万分之10（ppm）;（2）基于整个恒星强度剖面而不是边缘变暗系数的精确凌日光变曲线发生器。在以后的版本中将添加新的工具来模拟系外行星凌日和食双星的各种影响。ExoTETHyS是一个高精度系外行星大气光谱学的参考包，用于即将到来的JWST和ARIEL任务。
2020-02-03 astro-ph.EP astro-ph.IM astro-ph.SR
PyLightcurve-torch: a transit modelling package for deep learning applications in PyTorch
University College London（伦敦大学学院）
我们提出了一个新的开源Python包，基于PyLightcurve和PyTorch，专为高效计算和自动区分系外行星凌日而量身定制。实现的类和函数是完全矢量化的，原生GPU兼容，并且相对于恒星和行星参数是可微分的。这使得PyLightcurve-torch适用于传统的过境前向计算，但也扩展了可能的应用范围，其中推理和优化算法需要访问物理模型的梯度。这一努力旨在促进深度学习在系外行星研究中的应用，其动机是不断增加的恒星光变曲线数据以及各种改进检测和表征技术的激励措施。
2020-12-28 astro-ph.EP astro-ph.IM cs.LG
Analytic Planetary Transit Light Curves and Derivatives for Stars with Polynomial Limb Darkening
我们推导出分析，封闭形式的解决方案的行星过境恒星的临边变暗的配置文件，这是一个多项式函数的恒星海拔，到任意整数阶的光变曲线。我们提供了改进的解析表达式的均匀，线性和二次的肢体变暗的情况下，以及新的表达更高阶整数功率的肢体变暗。这些公式在预期的使用范围内保持数值稳定。此外，我们提出的瞬时通量的偏导数的半径比，碰撞参量，和临边昏暗系数的解析公式。这些表达式是快速评估，并比较相当有利的速度和准确性，现有的过境轻曲线代码。我们还使用这些表达式来数值计算的一阶偏导数的绝对时间平均的过境光变曲线相对于所有的模型参数。另一个应用是模拟食双星或食多恒星系统的情况下，恒星可能被视为球对称。我们提供了用C++，Python，IDL和Julia实现这些公式的代码，以及测试和使用示例。
2019-10-11 astro-ph.EP astro-ph.IM
The Pointing Limits of Transiting Exoplanet Light Curve Characterization with Pixel Level De-correlation
我们目前的范围（模拟CCD观测测光实验），Python包创建望远镜探测器的前向模型和模拟恒星目标相对于CCD的运动。该软件包的主要应用是模拟开普勒太空望远镜探测器，以预测和表征航天器最后观测活动中增加的仪器噪声。随着航天器稳定推进器的燃料耗尽，推进器的火焰开始溅射和失效，恒星点扩散函数（PSF）相对于航天器探测器上不同灵敏度的区域经历了更极端和更不可预测的运动，在过境系外行星光变曲线中产生了更多的噪音。使用我们的模拟，我们表明，目前的去趋势技术有效地捕捉和删除系统所造成的灵敏度变化高达约10倍，通常经历的K2航天器运动。该示波器包是开源的，并已被推广到允许自定义探测器和恒星目标参数。未来的应用包括由凌日系外行星勘测卫星进行的模拟观测和利用合成大气干扰作为噪声消除技术试验台的地面观测。
2019-03-22 astro-ph.EP astro-ph.IM
Pandora: A fast open-source exomoon transit detection algorithm
我们提出了潘多拉，一个新的软件来建模，检测和表征凌日的太阳系外行星的卫星在恒星光度时间序列。潘多拉使用了一个分析描述的过境光变曲线的行星和月球在前面的恒星与大气临边变暗，它涵盖了所有的情况下，相互行星月球日食过境期间。星-行星-月球系统的轨道运动作为嵌套开普勒问题以高精度计算。我们已经优化了潘多拉的计算速度，使其适合在天基高精度调查的新时代进行大规模的外星卫星搜索。我们展示了潘多拉的可用性exomoon搜索首先模拟一个假想的木星与一个巨大的海王星大小的exomoon在一个类似太阳的恒星周围一年的轨道四个过境的光变曲线。数据的10分钟节奏与即将到来的PLATO任务相匹配，并且百万分之100的噪声由光子噪声主导，假设光度学上安静，$m_V = 11$像太阳一样的恒星。利用UltraNest贝叶斯推断软件包恢复了模拟系统参数。在一台标准计算机上，这种搜索的运行时间大约是五个小时。Pandora是第一个光动力学开源的exomoon过境检测算法，完全用Python编程语言实现，可供社区加入搜索exomoon。
2022-05-19 astro-ph.EP astro-ph.IM
The VSPEC Collection: A suite of utilities to model spectroscopic phase curves of 3D exoplanet atmospheres in the presence of stellar variability
本文介绍 VSPEC Collection：一套结合 PSG/GlobES 与可定制时变恒星模型的 Python 工具，用于模拟恒星变率下三维系外行星大气的凌星、次食及相位曲线光谱观测。
2024-10-28 astro-ph.EP astro-ph.IM astro-ph.SR
Transit Least Squares: Optimized transit detection algorithm to search for periodic transits of small planets
提出了一种新的从时间序列测光中探测行星凌日的方法--凌日最小二乘（TLS）算法。TLS搜索类似凌日的特征，同时考虑恒星边缘变暗和行星进出。我们已经优化了TLS的小行星的信号检测效率和计算速度。TLS分析整个未分组的相位折叠光变曲线。我们通过（i.）使用算法，如“合并排序”（用于试验轨道相位）和（ii.）将试验过境时间限制在一个较小的范围内，包括所有已知的行星，并在可用的情况下使用恒星密度先验。一个典型的K2光变曲线，包括80天的观测，在30分钟的节奏，可以搜索与TLS在约10秒的实时在一个标准的笔记本电脑上，作为广泛使用的框最小二乘（BLS）算法一样快。我们使用合成光变曲线进行了类太阳恒星周围地球大小的行星的过境注入检索实验，每30分钟的节奏与110 ppm的白噪声，对应于开普勒观测到的光度安静的KP=12恒星。我们确定了BLS和TLS在这两种情况下达到1%假阳性率的阈值为0.07。TLS的真阳性（或恢复）率约为93%，BLS约为76%，这意味着TLS的检测更可靠。我们还测试TLS与TRAPPIST-1系统的K2光变曲线，并发现六个地球大小的行星使用迭代搜索越来越低的信号检测效率，相位折叠的第七颗行星的过境受到恒星耀斑的影响。TLS在寻找任何类型的凌日行星方面都比BLS更可靠，但它特别适合于从开普勒，TESS和PLATO长时间序列中检测小行星。我们公开了TLS的Python实现。
2019-01-27 astro-ph.EP astro-ph.IM
nuance: Efficient detection of planets transiting active stars
针对活跃恒星光变曲线中相关噪声干扰凌星检测的问题，提出nuance算法，在搜索凌星时同时建模噪声，在93%的案例中表现最优，提高了真阳性并降低了假阳性。
2024-07-19 astro-ph.EP astro-ph.IM
The bright side of the light curve: a general photometric model of non-transiting exorings
系外行星环（exorings）是系外行星研究中最令人期待的发现之一。有越来越多的理论和观测努力来探测驱鬼，但没有一个成功的。这些方法中的大多数都集中在凌日期间的光度特征上，而较少关注漫反射的光：我们在这里表示为光变曲线的亮侧。当我们无法探测到由凌日系外行星产生的典型恒星通量下降时，这一点尤为重要。在这里，我们努力开发一个通用的方法来模拟两个环形的非过境和过境系外行星的光变曲线的变化。我们的模型（称为Pryngles）模拟了行星系中发光、不透明和半透明物体的复杂相互作用，用类似亮片或亮片的小圆形平面圆盘离散它们的表面。我们用这个模型进行了几个数值实验，并展示了它在描述复杂系统在各种轨道、行星和观测配置的行星、卫星、环或圆盘下的光变曲线方面令人难以置信的潜力。由于我们的模型使用非常通用的方法，我们可以捕获阴影或行星/环闪耀等效果，并且由于模型也是模块化的，我们可以轻松集成行星光散射的任意复杂物理。与现有的工具和反射光的分析模型的比较表明，我们的模型，尽管其新颖的功能，可靠地再现光曲线在常见的情况下。Pryngles的源代码是用PYTHON编写的，并公开提供。
2022-08-06 astro-ph.EP astro-ph.IM
Identify Light-Curve Signals with Deep Learning Based Object Detection Algorithm. I. Transit Detection
Tsung-Dao Lee Institute, Shanghai Jiao Tong University（上海交通大学李政道研究所）；CAS Key Laboratory of Optical Astronomy, National Astronomical Observatories, Chinese Academy of Sciences（中国科学院国家天文台光学天文重点实验室）；School of Astronomy and Space Sciences, University of Chinese Academy of Sciences（中国科学院大学天文与空间科学学院）；WHU-NAOC Joint Center for Astronomy, Wuhan University（武汉大学武汉大学-国家天文台联合天文中心）
深度学习技术在凌日系外行星领域已经得到了很好的探索;然而，以前的工作主要集中在分类和检查上。在这项工作中，我们开发了一种新的检测算法的基础上，在计算机视觉领域的一个行之有效的目标检测框架。通过在已确认的开普勒系外行星的光变曲线上训练网络，我们的模型在识别信噪比高于6的凌日时产生了约90%的准确率和召回率（将置信度阈值设置为0.6）。如果置信阈值稍低，召回率可以达到95%以上。我们还将训练好的模型转移到TESS数据上，并获得了类似的性能。我们的算法的结果符合人类的视觉感知的直觉，并使它有助于找到单过境的候选人。此外，输出边界框的参数也可以帮助找到多行星系统。我们的网络和检测功能在Deep-Transit工具包中实现，这是一个托管在GitHub和PyPI上的开源Python包。
2021-11-24 astro-ph.EP astro-ph.IM cs.LG
qpower2 - a fast and accurate algorithm for the computation of exoplanet transit light curves with the power-2 limb-darkening law
幂2定律，$I_λ(μ)=1- c (1 - μ^α)$，精确地描述了冷恒星的边缘变暗轮廓。迄今为止，它已经在几个过境模型中使用数值积分实现，但目前还没有普遍可用的解析形式的幂2定律的实现。使用所需积分的近似和幂2定律的泰勒展开的组合来实现幂2定律的算法。恒星和行星半径的准确性进行测试，通过拟合过境光变曲线与这种近似使用光变曲线计算的数值积分的边缘变暗的配置文件从3D恒星模型大气。我们的算法（qpower 2）是精确到约100 ppm的宽带系统的恒星行星半径比p = 0.1的光学光变曲线。该实现需要不到40行Python代码，因此可以在图形处理单元（GPU; $\sim$每秒100万个模型，用于分析1000个数据点）上运行得非常快。模拟光变曲线的最小二乘拟合表明，当p < 0.2时，恒星和行星半径恢复到优于1%。qpower 2算法可用于使用蒙特卡罗方法高效准确地分析大量高精度的凌日光变曲线。
2018-12-04 astro-ph.EP astro-ph.IM astro-ph.SR
LDTk: Limb Darkening Toolkit
我们提出了一个Python包LDTk，它使用Husser等人（2013）的PHOENIX生成的特定强度光谱库自动计算自定义恒星临边暗化（LD）轮廓和模型特定临边暗化系数（LDC）。该软件包的目的是促进需要定制生成临边暗化剖面的分析，例如系外行星凌日研究-特别是透射光谱学，其中凌日建模是针对定制窄通带进行的-食双星、干涉测量和微透镜事件。首先，LDTk可以用来计算自定义的临边暗化配置文件与传播的恒星参数估计的不确定性的不确定性。其次，LDTk可用于估计最常见的边缘暗化模型的不确定性的边缘暗化模型的具体系数。第三，LDTk可以直接集成到任何预先存在的建模代码的对数后验计算中，只需进行最小的修改。最后一种方法可以用于直接通过LD轮廓来约束LD模型参数空间，允许在LD参数空间上的边缘化，而不需要使用先验来近似来自LD轮廓的约束。
2015-08-11 astro-ph.EP astro-ph.IM astro-ph.SR
K2SC: Flexible systematics correction and detrending of K2 light curves using Gaussian Process regression
我们提出了K2 SC（K2系统校正），这是一个Python管道，用于对K2任务中光变曲线的仪器系统学和天体物理学变化进行建模。K2 SC使用高斯过程回归来同时对位置相关的系统学和时间相关的可变性进行建模，使得用户能够去除两者（例如，对于过境搜索）或删除系统性，同时保留可变性（对于可变性研究）。对于周期性变量，K2 SC自动计算周期、振幅和变异性演化时间尺度的估计值。我们应用K2 SC公开可用的K2数据从活动3- 5，表明我们获得的测光精度接近原来的开普勒任务。我们将我们的结果与其他公开的K2管道进行比较，表明我们平均获得了类似或更好的结果。我们使用过境注入和恢复测试，以评估K2 SC对行星过境搜索的影响，在K2 PDC（预搜索数据调节）数据，行星与恒星的半径比下降RP/Rstar = 0.01和周期高达P = 40 d，并表明K2 SC显着提高了区分正确和错误检测的能力，特别是对于小行星。K2 SC可以在许多光变曲线上自动运行，也可以为特定的物体（如脉动恒星或大振幅食双星）手动定制。它可以在ASCII和FITS光曲线文件上运行，而不管它们的来源。代码和经过处理的光变曲线都是公开的，我们提供下载和使用说明。K2 SC使用的方法将适用于未来的过境搜索任务，如TESS和PLATO。
2016-03-30 astro-ph.EP astro-ph.IM astro-ph.SR
