Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Eberhard Karls Universität Tübingen | - |
Autor(es): dc.contributor | Sorbonne Université | - |
Autor(es): dc.creator | Pinheiro, Tiago F. L. L. | - |
Autor(es): dc.creator | Sfair, Rafael | - |
Autor(es): dc.creator | Ramon, Giovana | - |
Data de aceite: dc.date.accessioned | 2025-08-21T19:35:52Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T19:35:52Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1051/0004-6361/202451831 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/297463 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/297463 | - |
Descrição: dc.description | Context. Numerical N-body simulations are typically employed to map stability regions around exoplanets. This provides insights into the potential presence of satellites and ring systems. Aims. We used machine-learning (ML) techniques to generate predictive maps of stable regions surrounding a hypothetical planet. This approach can also be applied to planet-satellite systems, planetary ring systems, and other similar systems. Methods. From a set of 105 numerical simulations, each incorporating nine orbital features for the planet and test particle, we created a comprehensive dataset of three-body problem outcomes (star-planet-test particle). Simulations were classified as stable or unstable based on the stability criterion that a particle must remain stable over a time span of 104 orbital periods of the planet. Various ML algorithms were compared and fine-tuned through hyperparameter optimization to identify the most effective predictive model. All tree-based algorithms demonstrated a comparable accuracy performance. Results. The optimal model employs the extreme gradient boosting algorithm and achieved an accuracy of 98.48%, with 94% recall and precision for stable particles and 99% for unstable particles. Conclusions. ML algorithms significantly reduce the computational time in three-body simulations. They are approximately 105 times faster than traditional numerical simulations. Based on the saved training models, predictions of entire stability maps are made in less than a second, while an equivalent numerical simulation can take up to a few days. Our ML model results will be accessible through a forthcoming public web interface, which will facilitate a broader scientific application. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Grupo de Dinâmica Orbital e Planetologia São Paulo State University UNESP, Guaratinguetá | - |
Descrição: dc.description | Eberhard Karls Universität Tübingen, Auf der Morgenstelle, 10 | - |
Descrição: dc.description | LESIA Observatoire de Paris Université PSL CNRS Sorbonne Université, 5 place Jules Janssen | - |
Descrição: dc.description | Grupo de Dinâmica Orbital e Planetologia São Paulo State University UNESP, Guaratinguetá | - |
Descrição: dc.description | CAPES: 001 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Astronomy and Astrophysics | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Methods: numerical | - |
Palavras-chave: dc.subject | Planets and satellites: dynamical evolution and stability | - |
Título: dc.title | Machine-learning approach for mapping stable orbits around planets | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: