A machine learning approach to physically self-consistent 3D general circulation models in the study of sub-Neptune exoplanets with the James Webb Space Telescope

使用詹姆斯·韦伯太空望远镜研究海王星以下系外行星时采用机器学习方法实现物理上自洽的 3D 大气环流模型

• 批准号: 569321-2022
• 负责人: Roy, PierreAlexisPA
• 金额: $ 1.53万
• 依托单位: Université de Montréal
• 依托单位国家: 加拿大
• 项目类别: Postgraduate Scholarships - Doctoral
• 财政年份: 2022
• 资助国家: 加拿大
• 起止时间: 2022-01-01 至 2023-12-31
• 项目状态: 已结题
• 来源: https://www.nserc-crsng.gc.ca/ase-oro/Details-Detailles_eng.asp?id=763390
• 关键词: machine; learning; approach; physically; self

Astrophysics, Exoplanets science, Exoplanet atmospheres, Sub-Neptunes, Atmosphere modeling, General circulation models, Machine learning, Atmosphere characterization, Neural networks, Astrochemistry

天体物理学，系外行星科学，系外行星大气，亚海王星，大气建模，一般环流模型，机器学习，大气表征，神经网络，天体化学