← 返回 PaperDaily 大模型与智能体

LHME首次用于系外行星测重：7系统72模型对决

这篇论文把“选模型”从拍脑袋拉回到贝叶斯证据的正轨。更妙的是，它直接拿7个系外行星系统开刀，看看哪种偏心率、噪声和趋势模型更靠谱。

龙哥读论文发布于 2026-08-14 09:10:48 阅读 3 查看原文

#AI科研 #预测模型 #人工智能

🐉 龙哥读论文知识星球来了！
公众号每日8篇拆解不够看？星球无上限更AI领域论文、资讯、招聘、招博、开源代码，一站式干货，每日2分钟刷完即赚！
👇扫码加入「龙哥读论文」知识星球，前沿干货、实用资源一站式拿捏～ xingqiu_header

龙哥推荐理由：
这篇论文把“选模型”从拍脑袋拉回到贝叶斯证据的正轨。更妙的是，它直接拿7个系外行星系统开刀，看看哪种偏心率、噪声和趋势模型更靠谱。

原论文信息如下：

论文标题:
Improving exoplanet mass characterisation with Bayesian model selection using the Learned Harmonic Mean Estimator 发表日期:
2026年06月发表单位:
University College London 原文链接:
https://arxiv.org/pdf/2606.27252v1.pdf

文章上半部分子标题

贝叶斯证据计算太复杂？试试这个“黑盒”估计器

告别AIC/BIC：用贝叶斯因子给气体巨星“称体重”

3种噪声模型、2种偏心方案，哪种才是“真香”？

从1颗行星到2颗行星：如何用LHME揪出隐藏的行星？

结果一览：LHME如何帮7个系外行星系统“精准测重”？

文章下半部分子标题

实验结果：谁更稳，谁更会“装”

龙哥点评：这方法到底香不香

龙迷三问

下面是龙哥对于大家可能的一些问题的解答：

Q1：为什么AIC和BIC有时候会和贝叶斯证据“唱反调”？因为AIC/BIC本质上是固定罚参数，参数一多就先扣分；而贝叶斯证据更像“看整体表现再打分”，数据真能撑住复杂模型时，它不会无脑打压。

Q2：LHME最适合干什么，不适合干什么？它适合在已有MCMC链的前提下做事后证据估计，省得重跑一套昂贵的嵌套采样；但如果后验明显多峰、链没收敛，它也会“翻车”，不能拿来盲搜宇宙。

Q3：这篇论文最实用的启发是什么？别迷信单一模型。行星质量、偏心率、噪声和趋势都可能被模型选择改写，先比较，再下结论，才不容易把“星星的脾气”误认成“行星的真相”。

如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~

龙哥点评

论文创新性分数：★★★☆☆LHME不是新发明，但把它第一次搬进系外行星径向速度模型选择，属于“老工具新战场”。

实验合理度：★★★★☆选了7个系统、18到72种模型，覆盖偏心率、噪声和多行星比较，实验设计完整。

学术研究价值：★★★★☆对径向速度分析来说，模型选择直接关系到质量估计是否靠谱，这篇工作把“为什么要比较模型”讲得很实在。

稳定性：★★★☆☆方法本身依赖后验要够干净、够单峰，遇到多峰或收敛不佳就会挑食。

适应性以及泛化能力：★★★★☆只要手里有MCMC链，很多天文模型比较都能接上。

硬件需求及成本：★★★★☆额外成本很低，主要是对已有链做证据估计，不用再额外烧算力。

复现难度：★★★☆☆ravest和harmonic都开源，但要把先验归一化、链诊断这些细节弄对，还是有点“细节杀手”。

产品化成熟度：★★★☆☆适合做科研工作流里的模型比较模块，但离“一键闭眼自动选宇宙真相”还差着诊断和约束这几道门槛。

可能的问题：它不是盲搜神器，也不是多峰后验的万能解药；如果数据本身不够支撑模型，证据估计再精巧也救不了“底子虚”。

主要参考文献

Bayes T., 1763, Philosophical Transactions, pp. 370–418

Akaike H., 1974, IEEE Transactions on Automatic Control, 19, 716

Schwarz G., 1978, The Annals of Statistics, 6

Skilling J., 2004, in Bayesian Inference and Maximum Entropy Methods in Science and Engineering: 24th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering. AIP, pp. 395–405, doi:10.1063/1.1835238

Ford E. B., Gregory P. C., 2007, in Babu G. J., Feigelson E. D., eds, Astronomical Society of the Pacific Conference Series Vol. 371, Statistical Challenges in Modern Astronomy IV. p. 189 (arXiv:astro-ph/0608328), doi:10.48550/arXiv.astro-ph/0608328

Trotta R., 2008, Contemporary Physics, 49, 71

McEwen J. D., Wallis C. G. R., Price M. A., Mancini A. S., 2023, Machine Learning Assisted Bayesian Model Comparison: Learnt Harmonic Mean Estimator (arXiv:2111.12720), http://arxiv.org/abs/2111.12720

贝叶斯证据计算太复杂？试试这个“黑盒”估计器

系外行星的径向速度分析，看着像是在“量体重”，实际上更像在一堆噪声里找蛛丝马迹：圆轨道还是椭圆轨道？要不要加高斯过程？要不要补一条长周期趋势？这些选择一变，最后算出来的行星质量就可能跟着“变脸”。这篇论文的切入点很直接：与其靠经验拍板，不如老老实实做贝叶斯模型选择。

问题是，贝叶斯模型选择的“硬通货”是贝叶斯证据，也叫边缘似然。它不是简单看拟合多好，而是把“拟合能力”和“模型复杂度”一起算进去，天然带点 Occam 剃刀的味道：模型越花哨，若数据撑不住，就会被证据无情劝退。可惜证据这个东西要做高维积分，算起来并不优雅，传统上往往得靠嵌套采样这类专门算法，麻烦、耗时，还得换一套工作流。

上面这条式子就是后验分布的基本关系：后验 = 似然 × 先验 ÷ 证据。这里的似然负责回答“这组参数能不能解释数据”，先验负责表达事先相信什么，证据则是把所有可能参数都平均一遍后的总分。对单次参数估计来说，证据常常不必显式算出来；但一旦要比较两个模型，它就成了主角。

这条式子把证据写成了积分：把所有参数空间里的“解释力”按先验权重加总。说人话就是，模型不能只在某个角落特别能打，得在整个先验支持范围内都站得住。于是，证据会自然惩罚那些“参数很多、但大多数都没用”的模型，这也是它比 AIC/BIC 更像贝叶斯统计本尊的地方。

这篇论文的关键新招，是把Learned Harmonic Mean Estimator，LHME（学习型调和均值估计器）搬进了径向速度模型选择。它最妙的地方在于：不必重写拟合流程，也不必换掉现有的 MCMC，只要已有后验链，就能事后估计证据。换句话说，先把参数抽样跑完，再补做“模型总分”计算，像是给旧作业加一道附加题，成本却低得多。

先看老版本的调和均值估计器。它的想法很朴素：后验样本已经有了，那就把似然取倒数再平均，理论上就能反推出证据的倒数。可惜这个方法在统计上很“脆”，尾部一旦处理不好，方差就可能飞天，结果就是估计值忽高忽低，像个情绪化很强的仪器。

LHME 的思路是先把这个“不稳定的老方法”修一修：引入一个可学习、且已归一化的目标分布 ϕ(θ)，让它比后验更“收敛”、尾巴更短，再用它替代原始调和均值里的目标分布。这样一来，估计证据时不再依赖一个容易炸锅的尾部结构，而是让机器学习去“学”一个更合适的参考分布。论文里使用的是 normalizing flows，也就是归一化流：一种能把简单分布变成复杂分布的生成式建模工具，擅长把后验样本的形状学得八九不离十。

图1：LHME 诊断角图示例。红色是 MCMC 后验样本，蓝色是 LHME 学到的浓缩流。蓝色分布学到了后验的大体形状，但尾部仍被“关”在后验范围内，没有乱窜。这个约束很关键，因为证据估计要稳定，最怕目标分布尾巴比后验还野。

论文在这里还顺手解释了一个很容易被忽略的点：原始调和均值估计器之所以不稳，本质上是因为它相当于在做一种重要性采样，而重要性采样要求“被采样分布”的尾部要比“目标分布”更厚。现实里后验通常比先验更集中，尾部更薄，条件经常不满足，于是估计器就容易发疯。LHME 的价值，不是魔法般消灭这个问题，而是用学习到的目标分布把问题缓和到可用范围。

告别AIC/BIC：用贝叶斯因子给气体巨星“称体重”

在径向速度里，大家经常会遇到一个经典烦恼：同一组数据，圆轨道、椭圆轨道、白噪声、高斯过程、线性趋势、二次趋势，随便一拼就是一桌“模型火锅”。若只看拟合优度，复杂模型往往占便宜；若只看参数个数，又容易把真正有用的复杂结构一刀切掉。AIC 和 BIC 虽然常用，但它们本质上还是基于最大似然和参数数目打分，没有真正把先验信息和整体模型结构放进来。

模型比较时，贝叶斯因子就是证据之比。若两个模型先验概率相同，那么谁的证据更大，谁就更受支持。论文采用的是对数贝叶斯因子 Δln𝒵 来衡量差异：数值越大，越说明一个模型比另一个更值得信；而且这个“信”不是单纯看谁拟合更贴脸，而是看谁在整个参数空间里更经得起平均检验。

AIC 和 BIC 的问题也不是“不能用”，而是它们更像快速筛选器，不是最终裁判。AIC 偏向预测，BIC 偏向大样本一致性，但二者都没有像贝叶斯证据那样，把先验和似然完整揉在一起。论文在这里的态度很清楚：当模型选择会直接影响行星质量、偏心率和是否存在额外行星时，最好别拿“差不多就行”的指标凑合。

图2：本文比较的径向速度模型家族。命名规则也挺直白：第一个字母管偏心率，第二个字母管噪声模型，最后一个数字管趋势项。这样一来，18 个单行星模型和 TOI-544 的 72 个模型就能被统一管理，不至于把模型名写成一串“密码学”。

表1：七个系统的观测与仪器划分。这里最值得注意的是 HARPS 的不同阶段被当成不同“仪器”处理，因为 2015 年光纤升级和 2020 年疫情暖机都引入了零点偏移。换句话说，同一台机器在不同年份的“脾气”不一样，建模时得分开记账。

3种噪声模型、2种偏心方案，哪种才是“真香”？

论文的模型设计其实很像“搭积木”，但每一块都不是随便放的。首先是轨道偏心率，作者比较了三种处理方式：圆轨道、均匀先验下的偏心轨道、以及半正态先验下的偏心轨道。这里的半正态先验来自 Van Eylen et al. (2019)，是前人针对单行星系统提出的经验性偏心分布，核心意思是：短周期行星往往更接近圆轨道，所以先验不要把高偏心率看得太顺眼。

偏心率在实现上并不是直接采样 e 和近心点角 ω，而是常见地改写成 u=√e cosω、ν=√e sinω。这样做的好处是参数空间更平滑，采样更稳；坏处是得记得物理约束 u²+ν²<1，不然就会采到“不存在的椭圆”。

图A1：偏心先验空间示意。两个独立均匀分布在数学上是个正方形，但物理上只允许单位圆盘内的点。这个附录图的作用很朴素：提醒读者，参数化不是随便换个坐标系就完事，先验归一化也得跟着重新算清楚。

第二块是噪声模型。白噪声模型最简单：观测误差加上每台仪器自己的 jitter，再按高斯分布写似然；高斯过程模型则更灵活，用准周期核去描述恒星活动这类“有规律但又不完全规律”的扰动。这里的关键词是准周期：它既保留周期性，又允许随时间逐渐漂移，特别适合模拟恒星黑子、活动周期等慢变信号。

这个模型写得很清楚：观测值由行星信号、仪器零点偏移、线性趋势和二次趋势叠加而成。γ 是每台仪器的系统零点，γ̇ 和 γ̈ 则分别描述长期线性和二次漂移。说白了，就是先把“机器自己飘了”这件事建模，不要冤枉行星。

白噪声与高斯过程的差别，简单讲就是：白噪声假设误差彼此独立，高斯过程则允许误差之间“串门”。论文把两者都放进模型族里，不是为了凑数，而是因为真实数据里恒星活动的存在感往往比大家想象得更强，尤其在小质量行星上，噪声建模是否到位，直接决定你看到的是“行星”还是“星星在抽风”。

第三块是趋势项。线性趋势通常暗示可能有远处伴星或者仪器漂移，二次趋势则更像是更复杂的长期弯折。论文没有默认“趋势一定有”，而是把它作为可选项和其他模型一起比较，这一点很重要：趋势项不是装饰品，不能因为曲线看起来有点歪就直接往上贴。

表3：所有模型族使用的先验。这里能看出论文的一个实际取向：能从文献里拿到的参数，就尽量用信息先验；拿不到的，就给出合理的宽先验。高斯过程超参数的先验也会根据恒星自转周期或有效温度来约束，避免把活动周期随便放飞。

从1颗行星到2颗行星：如何用LHME揪出隐藏的行星？

这篇工作最“有戏”的地方，是它不只做单行星系统的模型选择，还把 TOI-544 拿来做一颗行星和两颗行星的对比。这个场景很现实：在径向速度里，额外的周期信号到底是真有第二颗行星，还是活动噪声、系统误差、或者数据稀疏导致的幻觉？如果没有可靠的证据比较，答案很容易被“看起来像”带跑偏。

作者的做法很干脆：对 TOI-544 构造 72 个模型版本，既有一颗行星，也有两颗行星；既有不同偏心率先验，也有不同噪声模型和趋势项。然后用 MCMC 先把参数后验采样出来，再把这些链喂给 harmonic 包里的 LHME 估计证据。这样做的好处是，模型比较和参数估计彼此解耦，既保留了现有 MCMC 工作流，又不用为证据估计单独重跑一套专用采样器。

图3：TOI-544 的一颗行星与两颗行星模型对比。左图是 b 行星，右图是 c 行星。灰色斜线区域表示未通过 LHME 诊断的模型，粉色高亮是最佳模型。这个图的重点不是“哪条曲线最漂亮”，而是看证据到底支持几颗行星，以及每种建模假设会不会把质量估计带偏。

图13：TOI-544 的相位折叠径向速度图。上面是 b 行星，下面是 c 行星；橙色和蓝色点分别来自 HARPS 与 HARPS-N。采用的两行星模型 HHG0 在图中表现得更自然，说明额外行星信号并不是“硬凑出来”的，而是有数据支撑的。

这里还有一个很值得注意的点：论文不是只看“最佳拟合曲线长什么样”，而是把诊断检查也纳入流程。换言之，某些模型即便拟合看着还行，只要后验多峰、流形学得不好，或者 LHME 的诊断不过关，就会被剔除。这个态度很像考试里不仅看答案对不对，还看过程有没有胡来。

图6：K2-265 的偏心率后验。半正态先验模型 HG0 的后验在一个合理的偏心率附近收敛；均匀先验模型 UG0 却冒出一个接近 e≈1 的次峰，像是模型在“硬拗”异常点。作者因此强调：偏心率先验不是小事，乱给先验真的会把模型带沟里。

图8：TOI-1055 上白噪声模型和高斯过程模型的对比。两个模型都假设圆轨道且没有趋势，差别只在噪声建模。结果一眼就能看出，高斯过程在残差上更干净，说明恒星活动确实不是靠简单 jitter 就能糊弄过去的。

图4 和图5 组合起来看尤其有意思。图4 显示 HD 18599 的线性趋势模型明显优于无趋势和二次趋势，说明长期漂移不是装饰项；图5 则进一步说明，加入高斯过程后，残差明显收敛，半振幅和最小质量虽然变化不算离谱，但拟合质量和证据支持度差别很大。也就是说，“参数差不多”不等于“模型差不多”，这正是贝叶斯比较的价值所在。

其余系统的相位折叠图也遵循同样思路：每个系统最终都会落到某个“被证据支持的最佳模型”上。它们共同传达的信息很一致：没有一种模型能在所有系统里通吃。对有些系统，高斯过程更合理；对有些系统，白噪声就够了；对有些系统，趋势项必须保留；对有些系统，偏心率先验一换，结果就会明显变样。

结果一览：LHME如何帮7个系外行星系统“精准测重”？

从结果上看，论文最重要的结论并不是“某个模型永远最好”，而是没有任何单一模型能通吃所有系统。这句话听起来不炸裂，但对实际径向速度分析非常关键：如果不做模型比较，最后拿到的行星质量、偏心率，甚至是否存在额外行星，都会被模型假设悄悄改写。

图2 展示了六个单行星系统在所有有效模型下推导出的最小质量 Mp sin i。橙色竖线是文献值，粉色是最佳模型，蓝色条表示相对最佳模型的对数贝叶斯因子。灰色斜线区域则是诊断不过关、被排除的模型。这个图很像一张“模型体检表”：不是谁最会拟合就算谁赢，而是谁既拟合得住、又经得起证据检验。

表4 到表9 给出了各系统采用模型的拟合参数和派生参数。整体上看，最佳模型并不统一：有的系统偏好高斯过程，有的更适合白噪声；有的需要趋势项，有的则不需要；偏心率先验的选择也会影响结果。这种“因星制宜”的结论，恰恰说明模型选择不是锦上添花，而是质量表征的一部分。