MARC

 008240612s2023      us  |||||||||||||||c||eng  d
■001000016932474
■00520240214100503
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798380381024
■035    ▼a(MiAaPQ)AAI30493139
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a523
■1001  ▼aZhang,  Keming.
■24510▼aTheoretical  Advances  in  Gravitational  Microlensing  Guided  by  Artificial  Intelligence▼h[electronic  resource]
■260    ▼a[S.l.]:▼bUniversity  of  California,  Berkeley.  ▼c2023
■260  1▼aAnn  Arbor  :▼bProQuest  Dissertations  &  Theses,  ▼c2023
■300    ▼a1  online  resource(124  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-03,  Section:  B.
■500    ▼aAdvisor:  Bloom,  Joshua  S.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Berkeley,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aThree  decades  have  passed  since  the  technique  of  gravitational  microlensing  was  proposed  as  a  means  for  exoplanet  detection,  and  nearly  200  microlensing  exoplanets  have  been  discovered  to  date.  Previously,  theoretical  studies  of  the  two-body  point-mass  gravitational  lens  have  primarily  focused  on  the  properties  of  caustics,  which  are  the  singularities  in  the  magnification  map.  The  invariances  and  symmetries  of  microlensing  caustics  have  led  to  the  identification  of  physical  degeneracies  that  cause  distinctly  different  lens  configurations  to  give  rise  to  nearly  identical  observations.  Nevertheless,  inconsistencies  in  the  application  of  existing  degeneracy  theories  to  observed  events  indicate  that  our  current  theoretical  understanding  of  binary-lens  gravitational  microlensing,  which  was  largely  laid  out  in  the  late  twentieth  century,  may  in  fact  be  incomplete.This  thesis  introduces  a  novel  approach  to  utilizing  Artificial  Intelligence  as  a  driver  for  theoretical  explorations,  which  represents  a  departure  from  its  traditional  role  in  accelerating  empirical  discoveries.  First,  a  scalable  inference  framework  is  developed  for  binary-lens  microlensing  using  the  technique  of  Neural  Posterior  Estimation,  which  is  then  applied  to  model  hundreds  of  simulated  microlensing  light-curve  observations.  By  examining  the  large  numbers  of  multi-modal  modeling  solutions,  I  propose  and  subsequently  prove  the  offset  degeneracy,  which  is  shown  to  be  ubiquitous  in  the  interpretation  of  planetary  microlensing  observations,  and  unifies  two  leading  types  of  caustic  degeneracies  as  limiting  cases.  Motivated  by  properties  of  the  offset  degeneracy,  I  subsequently  propose  the  generalized  perturbative  picture  for  planetary  microlensing,  which  states  that  the  planet  can  be  considered  to  act  as  a  variable-shear  Chang-Refsdal  lens  on  one  of  the  images  produced  by  the  host  star,  leaving  the  other  image  largely  unaffected.  The  analytic  nature  of  the  Chang-Refsdal  lens  indicates  that  the  proposed  formalism  would  allow  for  full  magnification  maps  of  the  planetary  lens  to  be  derived  analytically,  thereby  facilitating  the  accelerated  modeling  of  observed  events.  The  methodologies  and  results  presented  in  this  thesis  may  substantially  benefit  the  analysis  of  the  deluge  of  data  expected  from  the  first  space-based  microlensing  survey  of  the  Roman  Space  Telescope.
■590    ▼aSchool  code:  0028.
■650  4▼aAstrophysics.
■650  4▼aAstronomy.
■650  4▼aPlanetology.
■653    ▼aGravitational  lensing
■653    ▼aGravitational  microlensing
■653    ▼aLikelihood-free  inference
■653    ▼aMachine  learning
■653    ▼aPlanetary  microlensing
■653    ▼aSimulation-based  inference
■690    ▼a0596
■690    ▼a0800
■690    ▼a0590
■690    ▼a0606
■71020▼aUniversity  of  California,  Berkeley▼bAstrophysics.
■7730  ▼tDissertations  Abstracts  International▼g85-03B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0028
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16932474▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서