机构名称：
¥ 1.0
正确的压力扩大对于对大气中的辐射转移进行建模至关重要，但是对于超球星大气中预期的许多外来分子缺乏数据。在这里，我们探索了现代的机器学习方法，以产生大量宽压力的参数，用于在Exomol数据库中大量分子。为此，最新的机器学习模型用于适合Hitran数据库中现有的经验空气数据。开发了一种用于大规模产生压力扩展参数的计算廉价方法，对于看不见的活性分子而言，这证明是合理的（69％）。此方法已用于增强以前不足的Exomol系列拓宽饮食，为所有Exomol分子提供空气数据，以便Exomol数据库对线扩展具有完整，更准确的处理。提出建议，以改善大气数据库中存在的物种的空气开发参数。
分子光谱学杂志
主要关键词
相关文件推荐
