本研究提出Astromer 2模型，解决光曲线分析中的模型表示不足问题。该模型通过自监督学习在150万条光曲线数据上预训练，并在小型标注数据集上微调，显著提升性能，尤其在样本较少时F1分数提高15%。

本研究利用机器学习对人造空间碎片的光曲线进行分类，采用多种分类器（如k-NN、随机森林等），实现了90.7%的分类准确率，提升了特征识别效果。

本文介绍了一种新型人工神经网络模型，能够高效检测光曲线中的短时过境信号。研究表明，1D CNN在处理非相位折叠光曲线时表现优异，显著减少了分析时间。通过模拟光度曲线，模型成功识别恒星行星特性，并发现36个行星候选者。GPFC方法在Kepler数据中实现了快速、准确的过境搜索，显示出在未来探测任务中的潜力。