本研究提出了一种基于变换器的算法，用于在TESS全帧图像中识别系外行星过境候选者。该算法无需周期性假设，成功识别出214个新的行星系统候选者，显示出强大的检测能力。

本研究提出TESS，旨在解决脉冲神经网络在资源有限设备上训练时的高计算和内存需求问题。TESS基于生物机制，采用时空局部学习规则，使计算和内存开销与神经元数量线性相关，性能接近传统反向传播算法，适合边缘设备的高效学习。

本文介绍了一种基于深度学习的方法来测量小行星的径向速度，通过降低恒星的谱线的抖动。作者设计了多种神经网络体系结构，并发现多行CNN能够实现较高的精度。这种方法有望实现对小行星径向速度的准确探测。