我們的團隊與使命

我們是 Exoplanet Hunters，一群熱情的開發者、數據科學家與太空愛好者。我們的使命是利用 AI 的力量，徹底改變我們發現遙遠世界的方式。

挑戰：一個遙遠の世界

NASA Space Apps Challenge

我們的專案響應了 NASA 的「A World Away」挑戰，目標是開發一個 AI/ML 模型，自動分析龐大的太空觀測數據，以識別新的系外行星。

問題：數據洪流中的發現瓶頸

Manual Data Bottleneck Hinders Discovery

手動篩選 Kepler 和 TESS 任務成千上萬的光變曲線，過程緩慢、耗費人力，並且容易因人類疲勞而產生錯誤。這嚴重阻礙了新世界的發現速度。

我們的解決方案

一個 80% 準確率、大眾化的 AI 工具

我們開發了一個基於 XGBoost 的優化機器學習模型，並將其部署在一個簡單的網頁介面後端。讓任何人都能成為系外行星獵人。

數據：驅動我們發現的燃料

我們使用了來自 NASA 系外行星檔案庫的數據進行訓練，其中包含了：

• 8,297 筆 Kepler 感興趣天體 (KOI) 的原始光變曲線數據。
• 涵蓋了已確認行星、候選行星及偽陽性信號。

Innovation-784 Feature Signals

我們的創意核心在於利用 TSFRESH 進行深度特徵提取，從原始光變曲線中萃取出 784 個獨特的時間序列特徵，捕捉手動方法常忽略的複雜訊號。

• 統計屬性 (均值、方差、偏度)
• 頻域訊號 (傅立葉係數、熵)
• 能量度量 (絕對能量、數值總和)

模型的表現：量化可靠性

選擇 LC-XGBoost 作為最佳模型，並透過 GridSearch 進行超參數調校，我們取得了優異的成果。

其中，我們最重視的指標是...

在天文學的篩選工具中，寧可錯殺一百（偽陽性），也不可放過一個（偽陰性）。

我們的高召回率確保了偽陰性(False Negatives)被降至最低。在測試中，我們僅僅錯過了 33 顆行星，卻成功辨識了 154 顆。這對於一個不應忽略任何潛在發現的工具至關重要。

Bring Your Own Data

我們將複雜的模型封裝在一個極簡的介面後端：

• 使用者可上傳自己的 .csv 或 .dat 光變曲線檔案。
• 系統會立即回傳行星的分類結果與信心分數。

這讓專業研究人員與業餘天文學家都能輕鬆使用我們的技術。

我們的工具為研究人員提供了一個快速、經統計驗證的方法來篩選行星候選者，能大幅減少手動分析時間，讓他們能更專注於最有潛力的目標上。

這個易於使用的介面，打破了科學的壁壘，能激勵公民科學家和學生直接與真實的 NASA 數據互動，點燃他們對宇宙探索的熱情。

我們的模型和特徵工程方法具有高度的可移植性。

未來能直接應用於新的時間序列數據集，確保與 TESS 和 PLATO 等未來任務數據的無縫接軌，持續為天文學界做出貢獻。