AI發現118顆新系外行星！華威大學團隊提出RAVEN，實現行星情境與每一種假陽性情境的逐對比
研究背景與挑戰
隨著TESS任務產生海量系外行星候選體，確認其真實性面臨高假陽性率與傳統驗證方法耗時昂貴的挑戰。
RAVEN流程創新點
- 華威大學團隊提出RAVEN流程，創新性引入合成訓練數據集。
- 該流程顯著拓展機器學習模型對行星與各類假陽性情境的識別能力。
- 在多類假陽性測試中，AUC超過97%（多數達99%以上）。
驗證成果與準確率
RAVEN流程在實際應用中實現了91%的總體準確率，有效提升對系外行星真實性的判斷效率。
應用與影響
此流程不僅適用於系外行星檢測，也為其他領域的假陽性辨識提供可複製的機器學習架構。