机器学习在星-行星系统潮汐演化模拟中的应用
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对星-行星系统演化曲线计算中的挑战，提出了一种通过机器学习加速生成演化曲线的方法。研究利用MESA建立的潮汐相互作用模型，并使用多层感知器（MLP）对15,745个星-行星系统进行预测，其预测的相对误差在可接受范围内，且生成速度大幅超过传统模型。该方法显著节省了计算资源与时间，为不同迁移状态下系统的演化特征分析奠定基础，可能替代理论模型的计算。
本研究提出了一种通过机器学习加速生成星-行星系统演化曲线的方法。利用MESA建立的潮汐相互作用模型和多层感知器对15,745个系统进行预测，相对误差在可接受范围内，生成速度超过传统模型。该方法节省了计算资源与时间，为系统演化特征分析提供了基础。
