TransitNet：低信噪比凌星盲搜的注意力增强框架

2026年10月30日，Xingchen Yan 等作者在 arXiv Artificial Intelligence 提交论文，提出 TransitNet——一个面向低信噪比凌星盲搜的紧凑注意力增强深度学习框架。据该报道，在 SNR 6 至 8 的恢复基准上，TransitNet 达到 95.2% 准确率，ROC-AUC 与 PR-AP 分别为 0.974 和 0.982，优于 TLS 和 BLS；注入地球级与亚地球级凌星恢复率达 93.0%，远高于 TLS 的 63.1% 和 BLS 的 60.0%。上述数字均出自该论文报道，尚待独立验证。目前事件进展为论文提交与框架性能公布，后续跟进报道尚未出现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。