A machine learning approach for correcting radial velocities using physical observables

[Context] Precision radial velocity (RV) measurements continue to be a key tool for detecting and characterising extrasolar planets. While instrumental precision keeps improving, stellar activity remains a barrier to obtaining reliable measurements below 1–2 m s−1 accuracy.

Detalles Bibliográficos
Autores: Perger, M., Anglada-Escudé, Guillem, Baroch, David, Lafarga, M., Ribas, Ignasi, Morales, Juan Carlos, Herrero, Enrique, Amado, Pedro J., Barnes, John R., Caballero, J. A., Jeffers, Sandra V., Quirrenbach, Andreas, Reiners, Ansgar
Tipo de recurso: artículo
Estado:Versión publicada
Fecha de publicación:2023
País:España
Institución:Consejo Superior de Investigaciones Científicas (CSIC)
Repositorio:DIGITAL.CSIC. Repositorio Institucional del CSIC
OAI Identifier:oai:digital.csic.es:10261/322991
Acceso en línea:http://hdl.handle.net/10261/322991
Access Level:acceso abierto
Palabra clave:Planetary systems
Techniques: radial velocities
Methods: data analysis
Stars: activity
Stars: chromospheres
Descripción
Sumario:[Context] Precision radial velocity (RV) measurements continue to be a key tool for detecting and characterising extrasolar planets. While instrumental precision keeps improving, stellar activity remains a barrier to obtaining reliable measurements below 1–2 m s−1 accuracy.

Similares en LA Referencia