Identifizierung von Kohlendioxid in der Atmosphäre eines Exoplaneten

Nature Band 614, Seiten 649–652 (2023)Diesen Artikel zitieren

17.000 Zugriffe

20 Zitate

121 Altmetrisch

Details zu den Metriken

Kohlendioxid (CO2) ist eine wichtige chemische Spezies, die in einer Vielzahl von Planetenatmosphären vorkommt. Im Zusammenhang mit Exoplaneten ist CO2 ein Indikator für die Metallanreicherung (also Elemente, die schwerer als Helium sind, auch „Metallizität“ genannt)1,2,3 und damit für die Entstehungsprozesse der Primäratmosphäre heißer Gasriesen4,5 ,6. Es ist auch eine der vielversprechendsten Arten, die in der Sekundäratmosphäre terrestrischer Exoplaneten nachgewiesen werden können7,8,9. Frühere photometrische Messungen vorbeiziehender Planeten mit dem Spitzer-Weltraumteleskop haben Hinweise auf das Vorhandensein von CO2 gegeben, jedoch aufgrund des Fehlens einer eindeutigen spektroskopischen Identifizierung keine endgültigen Nachweise erbracht10,11,12. Hier präsentieren wir den Nachweis von CO2 in der Atmosphäre des Gasriesen-Exoplaneten WASP-39b aus Transmissionsspektroskopie-Beobachtungen, die mit JWST im Rahmen des Early Release Science-Programms13,14 durchgeführt wurden. Die in dieser Studie verwendeten Daten umfassen einen Wellenlängenbereich von 3,0–5,5 Mikrometern und zeigen ein deutliches CO2-Absorptionsmerkmal bei 4,3 Mikrometern (26-Sigma-Signifikanz). Das Gesamtspektrum passt gut zu eindimensionalen, zehnfachen solaren Metallizitätsmodellen, die ein Strahlungs-Konvektiv-Thermochemisches Gleichgewicht annehmen und eine moderate Wolkenopazität aufweisen. Diese Modelle sagen voraus, dass die Atmosphäre neben CO2 auch Wasser, Kohlenmonoxid und Schwefelwasserstoff, aber wenig Methan enthalten sollte. Darüber hinaus entdecken wir vorläufig auch ein kleines Absorptionsmerkmal in der Nähe von 4,0 Mikrometern, das von diesen Modellen nicht reproduziert wird.

WASP-39b ist ein heißer (planetare Gleichgewichtstemperatur von 1.170 K unter der Annahme einer Albedo von Null und vollständiger Wärmeumverteilung), transitierender Exoplanet, der einen Stern vom Typ G7 mit einer Periode von 4,055 Tagen umkreist15. Der Planet hat ungefähr die gleiche Masse wie Saturn (M = 0,28 MJ, wobei MJ die Masse des Jupiter ist), ist aber etwa 50 % größer (Radius R = 1,28 RJ, wobei RJ der Radius des Jupiter ist), wahrscheinlich aufgrund der Höhe Strahlungsniveau, das es von seinem Wirtsstern erhält16,17,18. Wir haben diesen Planeten für die Transmissionsspektroskopie-Beobachtungen des JWST Early Release Science (ERS) ausgewählt, weil Analysen vorhandener weltraum- und bodengestützter Daten große spektrale Merkmale entdeckten und zeigten, dass das Planetensignal nur minimal durch Sternaktivität verunreinigt war10,19,20, 21. Die wichtigsten zuvor entdeckten Spektralmerkmale wurden mit Sicherheit der Absorption von Natrium, Kalium und Wasserdampf zugeschrieben10,19,20, während Kohlendioxid (CO2) vermutet wurde, um den tiefen Transit bei 4,5 µm zu erklären, der mit Spitzer beobachtet wurde10.

Man geht seit langem davon aus, dass atmosphärische Metallizität ein Indikator für die relative Ansammlung von Festkörpern und Gas während der Bildung von Gasriesenplaneten ist, die beide schwere Elemente in die wasserstoffdominierte Hülle und die sichtbare Atmosphäre bringen4,5,6. Die Metallizität des Wirtssterns von WASP-39b, die ein Indikator für die Metallanreicherung der protoplanetaren Scheibe ist, in der sich der Planet gebildet hat, ist ungefähr solar15,22,23,24. Daher sagt der bei den Giganten des Sonnensystems beobachtete Trend zwischen Planetenmasse und atmosphärischer Metallizität25,26 voraus, dass es zu einer etwa zehnfachen Sonnenverstärkung kommt (wie bei Saturn; Lit. 27). Darüber hinaus sagen Innenstrukturmodelle, die mit der geringen Dichte von WASP-39b übereinstimmen, eine Obergrenze des 95. Perzentils für die atmosphärische Metallizität von 55-mal solar voraus, unter der einschränkenden Annahme, dass der Planet keinen Kern aus schweren Elementen hat und alle Metalle gleichmäßig verteilt sind im gesamten Umschlag28.

Obwohl es einige der höchsten Signal-Rausch-Abstände von Spektralmerkmalen in seinem Transmissionsspektrum gibt, hat die Modellierung der vorhandenen Daten für WASP-39b zu Metallizitätsschätzungen geführt, die über fünf Größenordnungen reichen, vom 0,003-fachen des Sonnenwerts bis zum 300-fachen Solar10,29,30,31,32,33. Der große Wertebereich ist darauf zurückzuführen, dass die Qualität der Daten nicht ausreicht, um die Entartung zwischen Wolken und Metallizität in Transmissionsspektrenmodellen aufzuheben34, sowie auf die Unsicherheit bei der Interpretation der photometrischen Messungen des Spitzer-Weltraumteleskops bei 3,6 µm und 4,5 µm. Daher waren spektroskopische Daten mit größerer Präzision, feineren Spektralkanälen und einer größeren Wellenlängenabdeckung erforderlich, um die Metallizität dieser (und anderer) riesigen Exoplanetenatmosphären besser einzuschränken.

Die erste JWST ERS-Beobachtung von WASP-39b wurde mit dem Nahinfrarotspektrographen (NIRSpec)35,36 am 10. Juli 2022 zwischen 15:24 und 23:37 UTC durchgeführt. Wir verwendeten den Bright Object Time Series (BOTS)-Modus mit der 1,6″ × 1,6″ festen Spaltblende und dem PRISM-Disperser, um Spektren zwischen 0,5 µm und 5,5 µm zu erfassen. Die Daten wurden mit dem SUB512-Subarray mit fünf Gruppen pro Integration und dem NRSRAPID-Auslesemuster aufgezeichnet, was Integrationszeiten von 1,38 s ergab. NIRSpec erzielte insgesamt 21.500 Integrationen über 8,23 Stunden an Beobachtungen, die sich auf die 2,8-stündige Transitdauer von WASP-39b konzentrierten.

Die Zählrate im PRISM-Modus variiert aufgrund der spektralen Energieverteilung des Sterns und der Wellenlängenabhängigkeit der Spektrographendispersion erheblich über den Bandpass. Daher wurden die Beobachtungen so konzipiert, dass sie bei kürzeren Wellenlängen sättigen, um bei längeren Wellenlängen im Bandpass ein ausreichendes Signal-Rausch-Verhältnis zu erhalten, das bisher nicht spektroskopisch untersucht wurde. Bei Wellenlängen zwischen 0,71 µm und 2,09 µm ist mindestens eine Gruppe im Pixel in der Mitte der Spektralspur gesättigt. Wir konzentrieren uns hier auf die Analyse der Daten ab 3,0 µm, die nicht von der Sättigung beeinflusst werden, um das Spektrum zu untersuchen, das sich mit den vorherigen photometrischen Spitzer-Messungen bei 3,6 µm und 4,5 µm überlappt. Die hier beschriebene Teilmenge der PRISM-Daten hat ein natives spektrales Auflösungsvermögen (R = λ/Δλ, wobei λ die Wellenlänge ist) von 100–350. Für diese Studie haben wir die Daten nach niedrigeren Auflösungsvermögen gruppiert (die Werte liegen je nach Wellenlänge und Verkleinerung zwischen 60 und 200). Das Binning erfolgt auf Lichtkurvenebene vor der Anpassung der Durchgangstiefen, die das Transmissionsspektrum bilden. Analysen von JWST/NIRSpec-Transitbeobachtungen, die während der Inbetriebnahme durchgeführt wurden, haben gezeigt, dass ähnliche Klassenstufen, wie wir sie hier verwenden, zu einer minimalen Systematik führen37. Eine Analyse des gesamten PRISM-Datensatzes bei voller Auflösung, einschließlich der Wiederherstellung des gesättigten Teils des Spektrums, ist im Gange.

Wir haben die NIRSpec PRISM-Daten für WASP-39b mithilfe der JWST Science Calibration Pipeline zusammen mit benutzerdefinierten Routinen reduziert, um Rauschen in den Zeitreihenspektren zu minimieren (Methoden). Wir haben ausgehend von den unkalibrierten Daten vier verschiedene Reduzierungen des Transmissionsspektrums durchgeführt21,38,39,40. Abbildung 1 zeigt abgeleitete spektroskopische Transitlichtkurven aus einer der Reduktionen. Mit unserer Analyse der WASP-39b-Daten bestätigen wir, dass NIRSpec-Transitbeobachtungen bei einem Auflösungsvermögen von 60–200 nahezu frei von Systematiken sind. Wir erreichten nahezu durch Photonenrauschen begrenzte Messungen in den spektroskopischen Lichtkurven, nachdem wir die ersten 10 Minuten der Daten gekürzt und einen linearen Trend mit der Zeit mit einer durchschnittlichen Rate von etwa 190 ppm h−1 über den Bandpass entfernt hatten. Ähnliche Ergebnisse erzielten wir auch, indem wir die gesamte Zeitreihe mit einer absteigenden exponentiellen Rampe (Zeitskala etwa 100 Minuten) in Kombination mit einer quadratischen Zeitfunktion anpassten. Das Fehlen umfassender Systematik in diesen Daten steht im Gegensatz zu früheren Transitspektroskopie-Beobachtungen mit weltraum- oder bodengestützten Teleskopen41.

a, Spektroskopische Lichtkurven für den Transit von WASP-39b mit einem spektralen Auflösungsvermögen von 20 und einer Zeitkadenz von 1 Minute (Daten werden gruppiert und nur zu Anzeigezwecken vertikal versetzt). Ein Exoplaneten-Lichtkurvenmodell wurde an die Daten angepasst, wobei ein quadratisches Gliedverdunkelungsgesetz mit exponentieller Rampe und entfernter quadratischer Zeitfunktion verwendet wurde. b, Reste der gruppierten Lichtkurve nach Subtraktion des Transitmodells, vergrößert um den Faktor fünf, um die Struktur zu zeigen. Der Effektivwert der Residuen wird in der Einheit ppm angegeben. Die Zahlen in Klammern geben das Verhältnis des Effektivwerts zum vorhergesagten photonenbegrenzten Rauschen an.

Quelldaten.

Die aus den verschiedenen Reduktionen abgeleiteten Transmissionsspektren (siehe Abb. 2) stimmen hervorragend überein. Sie alle zeigen ein großes Merkmal bei 4,3 µm sowie ein kleineres Merkmal in der Nähe von 4,0 µm (siehe unten). Eine detaillierte Modellierung der durch die Fast InfraRed Exoplanet Fitting Lyghtcurve (FIREFLy) reduzierten Daten ergibt eine statistische Signifikanz von 26σ für das große Merkmal (Methoden). Wir führen dieses Merkmal auf die CO2-Absorption zurück, basierend auf einem Vergleich der aufgelösten Bandform mit theoretischen Modellen und den Spektren Brauner Zwerge42. Abbildung 2 enthält auch die beiden breitbandigen photometrischen Messungen von Spitzer10, die nach der Integration des Transmissionsspektrums über die Spitzer-Bandpässe besser als 2σ mit den JWST-Daten übereinstimmen. Wir sehen auch eine gute Übereinstimmung (besser als 2σ für alle Reduzierungen) in den relativen Durchgangstiefen zwischen den 3,6-µm- und 4,5-µm-Kanälen. Der in Abb. 2 dargestellte Vergleich zeigt sowohl die Konsistenz der abgeleiteten Spektren aus mehreren unabhängigen Analysen als auch die Zuverlässigkeit der vorherigen Spitzer-Messungen.

Die JWST-Daten (kleine farbige Punkte) werden mit den beiden breitbandigen photometrischen Messungen der Infrarot-Array-Kamera (IRAC) von Spitzer verglichen (graue Kreise und entsprechende Empfindlichkeitskurven mit der Bezeichnung IRAC1 und IRAC2). Die rechte Achse zeigt äquivalente Skalenhöhen (750–1.000 km) in der Atmosphäre von WASP-39b; Für die Darstellung gehen wir davon aus, dass eine Skalenhöhe 800 km entspricht. Die JWST-Daten stimmen mit den Spitzer-Punkten (innerhalb von 2σ) überein, wenn sie über die breiten Bandpässe integriert werden (angezeigt durch die horizontalen Linien). Die relativen Durchgangstiefen zwischen den 3,6-µm- und 4,5-µm-Kanälen stimmen auch innerhalb von 2σ zwischen unabhängigen Reduzierungen der JWST-Daten überein, wobei der größte Teil der Abweichung vom 3,6-µm-Bandpass herrührt. Vertikale Fehlerbalken zeigen 1σ-Unsicherheiten an.

Wir haben die Daten mit einer Reihe eindimensionaler Atmosphärenstruktur- und Transmissionsspektrummodelle verglichen, um die Zusammensetzung der Atmosphäre von WASP-39b einzuschränken. Diese Modelle gehen von einem Strahlungs-Konvektiv-Thermochemischen-Gleichgewicht aus und nehmen ein skaliertes Muster der Sonnenhäufigkeit an. Wir haben mithilfe von vier verschiedenen Codes planetenspezifische Gitter dieser Modelle über eine Reihe atmosphärischer Metallizitäten, Kohlenstoff-Sauerstoff-Verhältnisse und Wolkeneigenschaften berechnet. Diese Gitter aus selbstkonsistenten Modelltransmissionsspektren wurden dann an die FIREFLy-reduzierten Daten angepasst (die Anpassungsergebnisse sind unabhängig davon, welchen Datensatz wir verwenden) und gleichzeitig an einen Referenzradius bei 1 bar angepasst. Die Ergebnisse sind in Abb. 3 dargestellt; Weitere Einzelheiten finden Sie unter Methoden.

Oben: ein Vergleich der FIREFLy-Reduktion und ihrer 1σ-Unsicherheiten (mit „Daten“ gekennzeichnet) mit dem am besten geeigneten theoretischen ScCHIMERA-Modell, gruppiert nach der Auflösung der Daten (blaue Kurve; Methoden). Die Schlüsselparameter des Modells sind die 10-fache solare Metallizität, ein Kohlenstoff-Sauerstoff-Verhältnis von 0,35 und eine Wolkenopazität von 7 × 10−3 cm2 g−1. Der Einfluss der Opazitätsquellen, die aus dem thermochemischen Gleichgewicht über den gesamten Bandpass zu erwarten sind, wird angezeigt, indem der Opazitätsbeitrag einzelner Gase einzeln entfernt wird. Wie in Abb. 2 zeigt die rechte Achse äquivalente Skalenhöhen in der Atmosphäre von WASP-39b. Unten: die molekularen Absorptionsquerschnitte für jedes Gas im am besten geeigneten Modell. Das Modell stimmt gut mit den Daten überein (Χ2/Ndata = 1,3), was darauf hindeutet, dass unsere Annahmen die wichtige Physik und Chemie in der Atmosphäre von WASP-39b weitgehend erfassen. Es gibt jedoch ein Merkmal in der Nähe von 4,0 µm, das von den hier verwendeten Modellen nicht reproduziert werden kann. Die starke CO2-Absorption (4,1–4,6 µm) und der offensichtliche Mangel an Methan (3,0–3,5 µm) führen dazu, dass die Lösung eine erhöhte atmosphärische Metallanreicherung aufweist, wodurch frühere Schätzungen mit geringer Metallizität ausgeschlossen werden29,30,31. Die anderen Reduktionen und Modelle liefern ähnliche Ergebnisse.

Unter ähnlichen Annahmen sind alle vier Modellgitter in der Lage, die vorherrschenden spektralen Morphologien abzubilden – nämlich das starke CO2-Merkmal zwischen 4,1 µm und 4,6 µm und den Anstieg der Transittiefe nach Blau um 3,6 µm aufgrund von Wasserdampf (H2O) (einer Art, die dies getan hat). wurden zuvor bei kürzeren Wellenlängen nachgewiesen10). Feinere Modulationen über den gesamten Bandpass sind möglicherweise auf Beiträge von Wolken, Kohlenmonoxid (CO) und Schwefelwasserstoff (H2S) zurückzuführen, obwohl das Ausmaß, in dem die beiden Gasarten beitragen, bis zu weiteren Untersuchungen unbekannt ist.

Mehrere Modelle für warme Gasriesenatmosphären sagen voraus, dass die CO2-Häufigkeit quadratisch mit der atmosphärischen Metallizität skaliert und bei 4,3 µm für Metallizitäten oberhalb der der Sonne nachweisbar wird1,2,3. Das in Abb. 3 dargestellte repräsentative Best-Fit-Modell stimmt mit diesem Szenario überein. Es hat eine 10-fache solare Metallanreicherung und ein leicht subsolares Kohlenstoff-Sauerstoff-Verhältnis (0,35, verglichen mit dem solaren Wert von 0,55; Ref. 43). Der vom Best-Fit-Modell vorhergesagte moderate Beitrag der Wolkenopazität steht im Einklang mit Interpretationen früherer Studien auf Populationsebene von Planeten, die ähnliche Temperaturen und Schwerkräfte wie WASP-39b44,45 aufweisen. Es steht auch im Einklang mit den Vorhersagen der Aerosol-Mikrophysik und globalen Zirkulationsmodellen heißer Riesenplaneten46,47,48.

Zusätzlich zum großen CO2-Merkmal identifizieren wir auch ein kleineres Spektralmerkmal in der Nähe von 4,0 µm, das von unseren thermochemischen Gleichgewichtsmodellen nicht abgedeckt wird (Abb. 3). Dieses Merkmal ist in allen vier unabhängigen Reduktionen vorhanden und hat die Bedeutung 2σ (Methoden). Weitere Datenanalysen und Modellierungen, einschließlich Nichtgleichgewichtschemie, sind erforderlich, um die Robustheit dieses Merkmals vollständig zu bewerten und die chemischen Spezies zu identifizieren, die es hervorrufen. Zusätzliche JWST ERS-Beobachtungen von WASP-39b, bei denen das G395H-Gitter auf NIRSpec verwendet wird, haben ebenfalls das Potenzial, das 4,0-µm-Merkmal zu bestätigen und detaillierter aufzulösen.

Die hier untersuchten Gitteranpassungen bevorzugen niedrigere Metallizitäten als Referenzen. 10,21 und höhere Metallizitäten als Ref. 31, obwohl die in ihre Studien einbezogenen Spitzer-Daten mit unseren JWST-Daten übereinstimmen. Die durch JWST ermöglichte höhere Präzision und genauere Messung der CO2-Funktion zieht die Modelle von refs. 10,21 zu geringerer Metallizität und erhöhter Trübung. Dennoch ist es ohne strengere Bayes'sche Analysen nicht möglich, ein robustes Konfidenzintervall für diese Schlussfolgerung zu erhalten, was zukünftigen Arbeiten (Methoden) überlassen bleibt. Die weitere Modellierung von WASP-39b wird auch durch zukünftige Messungen des Transmissionsspektrums des Planeten von 0,5 µm bis 5,5 µm unterstützt, die ebenfalls im Rahmen dieses ERS-Programms durchgeführt werden. Das endgültige Transmissionsspektrum wird letztendlich eine höhere spektrale Auflösung haben als die hier präsentierten Daten (mehr als das Vierfache über den größten Teil des Bandpasses) und wird mit mehreren JWST-Instrumenten validiert.

Wir haben die JWST NIRSpec PRISM-Daten für WASP-39b mithilfe von vier separaten Pipelines reduziert, um zu bestätigen, dass die Ergebnisse nicht von den Besonderheiten der Analysen abhingen, wie dies manchmal bei Ergebnissen des Spitzer-Weltraumteleskops der Fall war (z. B. Ref. 49). . Die folgenden Beschreibungen beziehen sich auf Kalibrierungspipelines und andere Software, deren Code und Zitate unter „Codeverfügbarkeit“ aufgeführt sind.

Wir haben den Time Series Helper und das Integration Reduction Tool40 (Tshirt) verwendet, um Lichtkurven des Spektrums zu extrahieren. Diese Pipeline modifiziert die Schritte der JWST-Kalibrierungspipeline, um die Präzision der Reduzierung zu verbessern. Mit T-Shirt konnten die JWST-Transitbeobachtungen von HAT-P-14b, die während der Inbetriebnahme mit der Nahinfrarotkamera (NIRCam)37 gewonnen wurden, erfolgreich analysiert werden. Zuerst haben wir einen aktualisierten Bias-Frame aus dem Inbetriebnahmeprogramm 1130 Beobachtung 29 verwendet und die JWST-Kalibrierungspipeline bis zum Referenzpixelschritt ausgeführt. Anschließend haben wir eine Korrektur für 1/f-Rauschen (so genannt, weil die Rauschleistung umgekehrt proportional zur Signalfrequenz f ist) angewendet, die für ungerade und gerade Zeilen und für jede Spalte variiert. Wir verwenden Hintergrundpixel für die Kalibrierung, da Referenzpixel in diesem Subarray nicht verfügbar sind. Wir haben die Sprung- und Dunkelsubtraktionsschritte übersprungen, da festgestellt wurde, dass sie den hellen Kurven Rauschen hinzufügen. T-Shirt passt das Profil des Spektrums mit Splines an und weist Ausreißerpixel zurück, die mehr als 50σ von den Spline-Anpassungen entfernt sind. Wir verwendeten eine kovarianzgewichtete Extraktion50 mit einer angenommenen Pixelkorrelation von 0,08. Für die Spektralextraktion haben wir einen Hintergrundbereich verwendet, der nicht näher als 7 Pixel auf beiden Seiten der Quelle liegt, und eine Breite des Extraktionsbereichs von 16 Pixeln. Die Streuung in der Lichtkurve stimmte über kurze Zeiträume mit der theoretischen Grenze des Photonen- und Leserauschens überein.

Wir passen die Lichtkurven mit einer Polynombasislinie zweiter Ordnung (quadratisch), nicht aussagekräftigen quadratischen Priors zur Verdunkelung der Gliedmaßen und einer exponentiellen Startrampe mit 10σ-Beschneidung von Ausreißern an. Zunächst passen wir die Weißlichtkurve mit Prioritäten auf dem Transitzentrum, der Neigung und der Periode von Ref an. 22. Wir haben auch das Verhältnis a/R* (wobei a die große Halbachse und R* der Sternradius ist) aus Lit. verwendet. 22, vergrößerte jedoch die Unsicherheit dieses Parameters, da der erzwungene Prior zu erheblichen Residuen führte. Als nächstes passen wir jede spektroskopische Lichtkurve einzeln an, wobei die Orbitalparameter auf den Wert der hinteren Weißlicht-Mediane festgelegt werden. Wir haben die Lichtkurven mit dem „Exoplanet“-Code51 und dem Pymc352-Sampler modelliert. Wir haben die Wellenlängen mithilfe der JWST-Kalibrierungspipeline in Pixelzeile 16 (Y = 16) aus der Weltkoordinatenlösung ausgewertet. Dies basiert auf einem Instrumentenmodell und konnte aufgrund fehlender starker stellarer Absorptionsmerkmale bei der NIRSpec-Auflösung nicht verifiziert werden. Alle anderen Reduzierungen übernahmen diese Wellenlängenkalibrierung. Wie in Abb. 1 dargestellt, nähert sich die Standardabweichung in der Lichtkurve außerhalb des Durchgangs der theoretischen Grenze des Photonen- und Leserauschens bei kurzen Wellenlängen, ist jedoch bei längeren Wellenlängen um 20 % bis 40 % höher, was möglicherweise auf unkorrigierte Werte zurückzuführen ist 1/f-Rauschen.

Eureka!39 ist eine Datenreduktions- und Analysepipeline für Zeitreihenbeobachtungen mit dem JWST oder dem Hubble-Weltraumteleskop. Sein modularer, mehrstufiger Aufbau bietet Flexibilität und einfache Vergleichbarkeit in jedem Schritt, angefangen bei unkalibrierten FITS-Dateien bis hin zu einer präzisen Übertragung oder Emissionsspektren. Heureka! wurde verwendet, um die JWST-Transitbeobachtungen von HAT-P-14b, die während der Inbetriebnahme mit NIRCam37 gewonnen wurden, erfolgreich zu analysieren.

Wir begannen mit der Datenreduktion unter Verwendung der unkalibrierten Rohdatendateien mit dem Suffix „uncal“, die im Archiv des Mikulski Archive for Space Telescopes (MAST) verfügbar sind. Die erste Etappe des Eureka! Pipeline ist in erster Linie ein Wrapper für Stufe 1 der JWST-Kalibrierungspipeline, die Gruppen in Steigungen umwandelt. Für diesen Datensatz haben wir den Schritt der Sprungerkennung übersprungen, da er dazu führte, dass ein großer Teil der Detektorpixel fälschlicherweise als Ausreißer gekennzeichnet wurde. Wir haben jedoch in den folgenden Phasen an mehreren Stellen nach Ausreißern gesucht und diese markiert. Wir haben die Karte mit fehlerhaften Pixeln auch manuell aktualisiert, um identifizierte Hotpixel auf dem Detektor einzubeziehen, die in der aktuellen STScI-Datenqualitätskarte mit vollständigem Detektor (Juli 2022) nicht enthalten waren. Im Rahmen von Eureka! haben wir vor der Rampenanpassung der Stufe 1 eine benutzerdefinierte Hintergrundsubtraktion auf Gruppenebene durchgeführt, um das 1/f-Rauschen zu berücksichtigen, das beim Auslesen des Detektors entsteht. Wir legen die oberen und unteren sechs Zeilen des Detektors als Hintergrundbereich fest und markieren Pixel, die bei >3σ als Ausreißer gelten. Anschließend subtrahierten wir den mittleren Fluss pro Pixelspalte und wiederholten dies für jede Gruppe und Integration in der Beobachtung. Ähnlich wie Stufe 1, die zweite Stufe des Eureka! Pipeline ist ein Wrapper für Stufe 2 der JWST-Kalibrierungspipeline, die die zweidimensionale Zeitreihe der angepassten Steigungen kalibriert. Hier haben wir den Flusskalibrierungsschritt übersprungen und die Daten daher in Einheiten digitaler Zahlen (DN) pro Sekunde (DN s−1) belassen.

Für Stufe 3 haben wir für jede Integration mit Eureka! eine Hintergrundsubtraktion und eine optimale Extraktion des Sternspektrums durchgeführt. Wir haben nur die Pixel 14 bis 495 in der Dispersionsrichtung des 512 × 32-Pixel-Subarrays verwendet, da der Durchsatz von NIRSpec über diesen Bereich hinaus vernachlässigbar ist. Wir haben auch Pixel maskiert, deren Datenqualitätsflag ungleich Null ist, um jegliche Auswirkungen von Ausreißerpixeln auf die extrahierten Spektren oder die Hintergrundsubtraktion zu vermeiden. Die Position der Quelle auf dem Detektor entlang der Kreuzdispersionsdimension wird durch Anpassen einer Gaußschen Funktion an die über alle Detektorspalten summierten Pixelwerte ermittelt. Für jedes Pixel haben wir seine zeitliche Flussschwankung untersucht und einen 10σ-Ausreißer-Unterdrückungstest mit doppelter Iteration durchgeführt. Anschließend führten wir eine zweite spaltenweise Hintergrundsubtraktion durch, dieses Mal auf Integrationsebene, und verwendeten Pixel, die mindestens 8 Pixel von der Quellposition entfernt waren, um den mittleren Hintergrund pro Spalte zu berechnen. Durch die Durchführung dieser zusätzlichen Hintergrundsubtraktion wurde die Anzahl der Ausreißer in den gemessenen Lichtkurven reduziert und der verbleibende Hintergrund und/oder das während der Rampenanpassung eingeführte Rauschen berücksichtigt. Wie in Stufe 1 schließen wir 3σ-Ausreißer aus unserer Hintergrundregion aus. Für unseren optimalen Spektralextraktionsschritt haben wir eine Aperturhalbwertsbreite von 7 Pixeln angenommen und das Profil aus dem Medianrahmen erstellt. Am Ende dieser Phase haben wir eine Zeitreihe eindimensionaler Spektren erhalten.

Für die verbleibenden Phasen verwendeten wir mehrere Pipelines (Eureka!39 und ExoTEP53,54,55), um die Lichtkurven zu generieren und anzupassen. Wir haben zunächst mit unseren Stage-3-Ausgaben median-normalisierte Lichtkurven mit der nativen Auflösung des Instruments (d. h. von jeder Detektorspalte) generiert. Anschließend haben wir rechtzeitig für die weißen und spektroskopischen Lichtkurven weitere Ausreißer abgeschnitten. Für diesen Schritt haben wir zunächst Integrationen verworfen, die mehr als 3σ Ausreißer für die Quellenposition in Querdispersionsrichtung, die Breite des angepassten Gaußschen Signals an das räumliche Profil oder die Drift in Dispersionsrichtung waren. Als nächstes haben wir eine mediangefilterte Version der Lichtkurve erstellt und 3σ-Ausreißer im Fluss herausgeschnitten. Gemeinsam passen wir astrophysikalische und systematische Modellparameter an die weißen und individuellen spektroskopischen Lichtkurven an. Unser astrophysikalisches Transitmodell verwendete das Batman-Paket56 mit einheitlichen Prioritäten, die für die folgenden astrophysikalischen Parameter geeignet sind: die beiden Koeffizienten eines quadratischen Sternverdunkelungsgesetzes, Aufprallparameter, große Halbachse, Transitzeit und das Verhältnis des Planeten-zu-Stern-Radius (Rp/R*) in jedem der Wellenlängenkanäle. Obwohl die Randverdunkelungskoeffizienten und das Planet-zu-Stern-Radiusverhältnis in jedem spektroskopischen Kanal unabhängig angepasst wurden, haben wir den am besten passenden Wert des Einschlagparameters, der großen Halbachse und der Transitzeit des Planeten aus einer Weißlichtkurvenanpassung verwendet ein fester Wert in den wellenlängenabhängigen Anpassungen. Für das Systematikmodell haben wir für jeden Wellenlängenkanal einen linearen zeitlichen Trend angenommen, der sowohl für die Steigung als auch für den Y-Achsenabschnitt geeignet ist. Zuletzt passen wir eine Einzelpunktstreuung an jede Lichtkurve an, die den Grad des zusätzlichen Rauschens veranschaulicht, der erforderlich ist, damit unser gemeinsames Modell ein reduziertes Chi-Quadrat (Χ2) von Eins erreicht. Die Weißlichtkurvenreste haben einen quadratischen Mittelwert (rms) von 3.013 ppm und die spektroskopischen Lichtkurven über 3 µm haben einen mittleren Effektivwert von 5.779 ppm. Ähnlich wie bei der in Abb. 1 gezeigten Reduzierung erreichen beide Pipelines nahezu Photonenrauschen. Das Heureka! und ExoTEP-Transmissionsspektren scheinen nahezu identisch zu sein; daher ist in Abb. 2 nur eines (Eureka!) dargestellt.

Wir bauten auf der Pipeline auf, die für die Analyse der Low Resolution Ground-Based Exoplanet Survey unter Verwendung von Transmissionsspektroskopiedaten (LRG-BEASTS)21,57,58 entwickelt wurde, um eine unabhängige Reduzierung der Daten zu ermöglichen. Wir begannen mit den Ausgaben der Pipeline der JWST-Kalibrierung Stufe 1 mit deaktivierter Sprungschrittkorrektur. Wir haben Masken für schlechte Pixel und kosmische Strahlung erstellt, indem wir 5σ-Ausreißer in laufenden Medianen identifiziert haben, die zeitlich entlang von Pixelzeilen und entlang einzelner Pixel verlaufen. Vor dem Verfolgen der Spektren haben wir jede Spalte des Detektors auf ein feineres Gitter interpoliert, das zehnmal so groß ist wie die anfängliche räumliche Auflösung, um die Flussextraktion auf Subpixelebene zu verbessern. Wir verwendeten ein Polynom vierter Ordnung, um die Spektren zu verfolgen, und eine vier Pixel breite Apertur. Um das 1/f-Rauschen zu entfernen, passen wir ein lineares Polynom an 21 Hintergrundpixel entlang jeder Spalte in Querdispersionsrichtung an. Um Verschiebungen in der Dispersionsrichtung zu korrigieren, korrelierten wir anschließend jedes Sternspektrum mit dem ersten Spektrum der Beobachtung, um sehr kleine (0,003–0,005) Subpixelverschiebungen zu berücksichtigen. Unsere Weißlichtkurve umfasst einen Wellenlängenbereich von 0,518–5,348 μm nach der Maskierung gesättigter Pixel, und unsere 147 spektroskopischen Lichtkurven verwendeten 3 Pixel breite Bins über denselben Wellenlängenbereich. Wir haben die Bilder 20751–20765 aufgrund einer Antennenbewegung mit hoher Verstärkung maskiert, die zu einem erhöhten Rauschen in den Lichtkurven führte.

Wir passen unsere Lichtkurven mit einer Kombination aus einem quadratisch abgedunkelten Transitmodell (durch batman56) mit einem zeitlich linearen Polynom an. Wir begannen mit der Anpassung der Weißlichtkurve, um die Systemparameter abzuleiten: Neigung i, Zeit des mittleren Transits TC, die auf den Sternradius skalierte große Halbachse a/R* und der lineare Verdunkelungskoeffizient der Gliedmaßen , u1. Wir haben den Parameterwerten nur große Grenzen gesetzt, um unphysikalische Werte zu verhindern. In der Praxis kamen die Parameterwerte nicht in die Nähe der Grenzen. Wir haben die Umlaufzeit des Planeten auf 4,0552941 d und die Exzentrizität auf 0 aus Lit. festgelegt. 22. Wir haben den quadratischen Koeffizienten u2 auf theoretische Werte festgelegt, die von ExoTiC-LD59,60 mit dreidimensionalen Sternmodellen61 bestimmt wurden, und für u1 angepasst. Wir verwendeten einen Levenberg-Marquardt-Algorithmus, um unsere Lichtkurven anzupassen, skalierten unsere photometrischen Unsicherheiten neu, um ein reduziertes Χ2 = 1 für unser am besten angepasstes Modell zu erhalten, und führten dann die Anpassungen erneut durch. Für die spektroskopischen Lichtkurven wurden die Systemparameter (i, TC und a/R*) auf die am besten angepassten Werte festgelegt, die aus der Weißlichtkurve ermittelt wurden. Die Weißlichtkurvenreste hatten einen Effektivwert von 2.761 ppm und die spektroskopischen Lichtkurvenreste hatten einen mittleren Effektivwert von 6.731 ppm. In beiden Fällen skaliert die Varianz der Residuen beim Binning wie für Poisson-Rauschen erwartet.

Wir haben die Daten auch mithilfe der FIREFLy-Reduktionsroutinen38 reduziert. Diese Routinen nutzen die JWST-Kalibrierungspipeline mit benutzerdefinierten Modifikationen. Diese Pipeline wurde zur erfolgreichen Analyse der JWST-Transitbeobachtungen von HAT-P-14b verwendet, die während der Inbetriebnahme mit NIRSpec G39537 gewonnen wurden. Wir haben 1/f-Rauschen (siehe Lit. 36) auf Gruppenebene entfernt, da sich das 1/f-Rauschen von Gruppe zu Gruppe ändert. Wir haben auch den Sprungschritt übersprungen und stattdessen kosmische Strahlung, fehlerhafte Pixel, heiße Pixel und andere Ausreißer markiert und entfernt, indem wir die Daten sowohl räumlich als auch zeitlich median gefiltert haben, wobei wir Pixel mithilfe eines 5σ-Ausreißer-Schwellenwertalgorithmus markiert haben. Die Zeitreihen zweidimensionaler Spektren wurden mithilfe von Kreuzkorrelation und Interpolation ausgerichtet, wobei die Zeitreihenspektren einen Effektivwert-Jitter von 0,005 Pixeln in Richtung der x-Achse und 0,0026 Pixeln in Richtung der y-Achse aufwiesen. Wir fanden eine kleine inverse Rampe in den Lichtkurven, die sich nach den ersten 2.000 Belichtungen beruhigte, die wir verworfen haben. Wir passen die Lichtkurven mit dem Batman56-Transitmodell zusammen mit einer linearen Basislinie und einem Jitter-beseitigenden Polynom zweiter Ordnung der x- und y-Detektorposition an, wie in Lit. beschrieben. 38, die in der Spektrophotometrie auf dem Niveau von 53 ± 2 ppm in x-Richtung und auf dem Niveau von 140 ± 3 ppm in y-Richtung vorhanden sind. Wir haben ein festes quadratisches Gesetz zur Verdunkelung der Gliedmaßen unter Verwendung der dreidimensionalen Modelle61 angewendet, die mit den Methoden von Lit. berechnet wurden. 62 von ExoTiC-LD59,60. Bei der Anpassung der Weißlichtkurve von 3 μm bis 5,5 μm haben wir zugelassen, dass die große Halbachse in Einheiten von Sternradien a/R*, Neigung i und zentraler Transitzeit T0 zusammen mit der Transittiefe und dem Systematikmodell frei variiert. Wir haben die Markov-Ketten-Monte-Carlo-Stichprobenroutine emcee63 verwendet, um die am besten passenden Parameter zu finden und die hintere Verteilung zu messen. Wir stellen fest, dass die 3–5,5 μm-Weißlichtkurve eine Durchgangstiefe von 2,1368 ± 0,0014 % aufweist und eine Streuung von 808 ppm in den Residuen erreicht. Dies liegt innerhalb von 6 % des erwarteten Rauschgrenzwerts von 758 ppm, wie von der JWST-Kalibrierungspipeline berechnet, wobei die Streuung der Restwerte beim Binning auf unter 40 ppm abnimmt, ohne dass rotes Rauschen erkennbar ist. Wir passen jede in Abb. 1 gezeigte spektroskopische Lichtkurve mit denselben astrophysikalischen und systematischen Modellen wie die Weißlichtkurve an, außer dass wir die Systemparameter (a/R*, i und T0) festlegen. Die Reste der Transmissionsspektrallichtkurve für jedes Bin liegen typischerweise innerhalb von 5 % des Pipelinefehlers oder besser, auch ohne erkennbares rotes Rauschen.

Wir verglichen die extrahierten Transmissionsspektraldaten mit einer Reihe eindimensionaler, selbstkonsistenter Strahlungs-Konvektiv-Thermochemischer Gleichgewichtsmodellatmosphären (siehe z. B. Lit. 64,65 für eine allgemeine Beschreibung solcher Modelle), die unten beschrieben werden. Kurz gesagt, alle Modelle sind in der Lage, die 3–5,5 μm-Spektren konsistent anzupassen (mit Χ2/Ndata < 1,4, wobei Ndata die Anzahl der Spektraldatenpunkte ist), mit einer 10-fachen Sonnenmetallanreicherung und unterschiedlicher Grauwolken-Opazität für sie einzelne beste Schätzung. Vergleiche der Modellanpassungen aus den einzelnen Gittern sind in der erweiterten Datenabbildung 1 dargestellt. Bei zusätzlichen Parametern innerhalb des Gitters (z. B. Kohlenstoff-Sauerstoff-Verhältnis (C/O) und Wärmeumverteilung) gibt es eine gewisse Diskrepanz zwischen den einzelnen Modellen Die einzelnen besten Schätzwerte des Rasters. Zusätzliche Bayes'sche Analysen sind erforderlich, um Konfidenzintervalle für interessierende atmosphärische Eigenschaften genau zu quantifizieren, was den Rahmen dieser Arbeit sprengen würde. Zukünftige Arbeiten werden sich auf die Modellierung konzentrieren, die die Auswirkungen der Ungleichgewichtschemie, der Aerosol-Mikrophysik und dreidimensionaler Zirkulationseffekte umfasst. Wir haben bei der Modellierung die folgenden Parameter angenommen: stellare effektive Temperatur, Teff = 5.512 K, Sternradius = 0,932 R⊙, Planetenmasse = 0,281 MJ, Planetenradius = 1,279 RJ und große Halbachse des Planeten = 0,04828 au.

Dieses Framework wurde erstmals in Lit. beschrieben. 66,67, mit den neuesten Aktualisierungen, Methoden und Opazitätsquellen, die in Lit. beschrieben sind. 68. Wir berechnen die konvergierte atmosphärische Struktur (Temperatur-Druck- und thermochemische Gleichgewichts-Gasmischungsverhältnisprofile) über ein Gitter der atmosphärischen Metallizität ([M/H], wobei die eckigen Klammern die log10-Anreicherung relativ zu Solar angeben43), das in Intervallen von 0,25 Dex angeordnet ist zwischen 0 und 2,25 (1- bis 175-faches Solar) und C/O bei Werten von 0,20, 0,35, 0,55, 0,70, 0,75 und 0,80. Wir gehen von einer vollständigen Tag-Nacht-Temperaturumverteilung69 aus, da Planeten in diesem Temperaturregime wahrscheinlich keinen starken Tag-Nacht-Temperaturkontrast aufweisen70,71. Anschließend berechnen wir Transmissionsspektren72,73 aus diesen konvergierten atmosphärischen Strukturen. Um die Modelle an die Daten anzupassen, wird die DYNESTY74-Anpassungsroutine verwendet, um nach dem optimalen [M/H] und C/O (über den nächsten Nachbarn) zu suchen und gleichzeitig den 1-Balken-Planetenradius anzupassen (der die absolute Transittiefe steuert). und eine undurchsichtige, graue, gleichmäßig vertikal verteilte Wolkenopazität (κcld). Das aus diesem Prozess resultierende optimale Modell ist [M/H] = +1,0, C/O = 0,35 und log10κcld = −2,15 cm2 g−1. Die Metallizität und Wolkenundurchsichtigkeit werden hauptsächlich durch die Stärke des 4,3-µm-CO2-Merkmals und die fehlende Methan (CH4)-Absorption in der Nähe von 3,3 µm bestimmt. Dieses Ergebnis ist im Haupttext dargestellt (Abb. 3), der auch den relativen Beitrag der wichtigsten Trübungsquellen (H2O (Ref. 75,76), CO (Ref. 77,78), CO2 (Ref. 77,78) veranschaulicht. 79,80), H2S (Ref. 78,81) und CH4 (Ref. 78,82)) zur gesamten Spektralform. Erweiterte Daten Abb. 2 zeigt die atmosphärische Struktur (Temperaturprofil und Gasmischungsverhältnisprofile) für dieses am besten geeignete Modell.

Das eindimensionale Strahlungs-Konvektiv-Kernmodell basiert auf dem alten „Extrasolar Giant Planet“-Code, der in Lit. beschrieben ist. 69,80,83 und seitdem im Rahmen des in Ref. beschriebenen PICASO84-Rahmens aktualisiert und modernisiert. 85 (PICASO 3.0). Das PICASO 3.0-Modell verwendet gasförmige Trübungen, die aus den in Ref. aufgeführten Referenzen erstellt wurden. 80. Das Gitter der PICASO-Modelle enthält Metallizitätspunkte beim 0,1-, 0,3-, 1-, 3-, 10-, 30-, 50- und 100-fachen der Sonne; C/O bei 0,23, 0,46, 0,69 und 0,92; und geht auch von einer vollständigen Tag-Nacht-Wärmeumverteilung aus. Die Wolken werden mithilfe der Virga86-Implementierung des Eddysed87-Frameworks modelliert, das einen vertikalen Mischungskoeffizienten Kzz (konstant mit der Höhe; log10Kzz = 5, 7, 9 und 11 (cgs-Einheiten)) und einen vertikal konstanten Sedimentationsparameter (fsed = 0,6) erfordert , 1, 3, 6 und 10), mit optischen/materiellen Eigenschaften für Wolken, von denen angenommen wird, dass sie bei den Drücken und Temperaturen von WASP-39b existieren (Na2S, MnS und MgSiO3). Der fsed-Parameter steuert die vertikale Ausdehnung der Wolke, und Kzz und fsed steuern zusammen die mittlere Tröpfchengröße mit der Höhe in der Atmosphäre. Um die beste Anpassung zu ermitteln, wird eine Χ2-Gittersuche entlang der beschriebenen Dimensionen durchgeführt. Innerhalb dieses Gitters ist die nominell beste Anpassung (Χ2/Ndata = 1,34) die 10-fache solare Metallizität, ein subsolares C/O (0,23), mit einer ausgedehnten großen Tröpfchenwolke (fsed = 0,6, log10Kzz = 9), die a erzeugt graues Kontinuum über diese Wellenlängen, im Einklang mit den obigen ScCHIMERA-Ergebnissen.

Der ATMO-Strahlungs-Konvektiv-Thermochemische-Gleichgewichtslöser ist in Lit. beschrieben. 88,89,90,91. Dieses Raster besteht aus Modelltransmissionsspektren für vier verschiedene Tag-Nacht-Energieumverteilungsfaktoren (0,25, 0,5, 0,75 und 1,0, wobei 0,5 „voll“ und 1,0 „nur tagsüber“ bedeutet), sechs Metallizitäten (0,1-, 1-, 10). -, 50-, 100- und 200-fach solar), sechs C/O-Verhältnisse (0,35, 0,55, 0,70, 0,75, 1,0 und 1,5), zwei Trübungsfaktoren (keine Trübung und 10-fache Multigas-Rayleigh-Streuung) und vier graue Wolkenfaktoren (keine Wolke, 0,5-, 1- und 5-fache Stärke der H2-Rayleigh-Streuung bei 350 nm zwischen 1 mbar und 50 mbar Druckniveau). Jedes Modelltransmissionsspektrum aus dem Gitter wird zur Berechnung von Χ2 auf die gleiche Auflösung wie die Beobachtungen gruppiert, mit einem (wellenlängenunabhängigen) Transittiefenversatz als freiem Parameter. Innerhalb dieses Gitters finden wir ein am besten geeignetes Modellspektrum (Χ2/Ndata = 1,39), das sich aus einem Umverteilungsfaktor von 0,75 ergibt (etwas heißer, als eine vollständige Tag-Nacht-Umverteilung erzeugen würde), einer Metallizität von 10-mal solar, einem Super -Solares C/O-Verhältnis von 0,7, ein Trübungsfaktor von 10 und ein Trübungsfaktor von 5.

Dieses Modell stammt aus dem PHOENIX-Sternatmosphärencode92, der für Exoplaneten93 angepasst wurde, mit zusätzlichen Modellierungs- und Opazitätsaktualisierungen, die in Lit. beschrieben sind. 94,95. Das Modellgitter wird für eine Reihe von Einstrahlungstemperaturen (920 K, 1.020 K, 1.120 K und 1.220 K), Metallizitäten (0,1-, 1-, 10- und 100-fach solar) und C/O (0,3, 0,54, 0,7 und 1,0) und umfasst eine Stichprobe undurchsichtiger, grauer Wolken bei bestimmten Wolkendeckendrücken. Das nominell am besten geeignete Modell (Χ2/Ndata = 1,32) aus diesem Gitteraufbau führt zu einer 10-fach solaren Metallizität und einer subsolaren C/O-Atmosphäre (0,3) mit einem Wolkenoberdruck von 0,3 mbar.

Wir haben die Nachweissignifikanz96 von CO2 mit den folgenden Schritten quantifiziert. Das am besten geeignete Gittermodell ohne CO2 (d. h. die in Abb. 3 dargestellte schwarze Kurve „ohne CO2“) wird zunächst von den Daten subtrahiert, wobei ein starkes Restmerkmal aufgrund von CO2 zurückbleibt (erweiterte Daten, Abb. 3). Das mittlere Spitzen-Signal-Rausch-Verhältnis pro Spektralbereich dieses Restmerkmals beträgt etwa 10σ. Um die vollständige Linien-/Bandform zu nutzen, passen wir dann den Restpeak mit (1) einem Gaußschen Modell mit vier Parametern (Schwerpunkt, Amplitude, Breite und vertikaler Versatz) an, dargestellt als rote Kurven in Abb. 3 der erweiterten Daten, und (2) eine „No-Feature“-Konstante unter Verwendung einer verschachtelten Stichprobenroutine74. Die Bayes'schen Beweise zwischen dem Gauß'schen Modell und dem Konstantenmodell wurden dann verwendet, um einen Bayes-Faktor B und die entsprechende Erkennungssignifikanz zu berechnen97. Für das CO2-Restmerkmal beträgt ln(B) 340,5, was einer Erkennung von 26,2σ entspricht. Aus dieser Analyse schließen wir, dass die CO2-Funktion zuverlässig erkannt wird.

Bei der Betrachtung der Abb. In den Abbildungen 2 und 3 scheint es ein Merkmal in der Nähe von 4,0 µm zu geben (knapp unterhalb des Haupt-CO2-Merkmals). Wir wiederholten die gleiche Analyse wie oben, verglichen jedoch stattdessen die Bayes'schen Beweise aus einer Zweikomponenten-Gaußschen Modellanpassung (um sowohl das CO2-Merkmal als auch den unbekannten Absorber zu berücksichtigen) mit denen der obigen Einkomponenten-Gaußschen Modellanpassung. Dabei finden wir ln(B) = 0,98, was einer 2σ-Signifikanz entspricht. Durch die Beschränkung des vorherigen Bereichs für die zweite Gaußsche Funktion auf die Lokalisierung in der Nähe des 4-µm-Merkmals erhöht sich die Signifikanz auf 2,3σ. Zukünftige Analysen werden sich auf die Natur dieses Merkmals und eine strengere Quantifizierung durch einen Vergleich verschachtelter Bayes'scher Modelle innerhalb atmosphärischer Retrieval-Frameworks konzentrieren (z. B. Lit. 34).

Die in diesem Artikel verwendeten Daten stehen im Zusammenhang mit dem JWST-Programm ERS 1366 (Beobachtung Nr. 4) und sind im Mikulski-Archiv für Weltraumteleskope (https://mast.stsci.edu) verfügbar. Die wissenschaftliche Datenverarbeitungsversion (SDP_VER) 2022_2a generierte die unkalibrierten Daten, die wir von MAST heruntergeladen haben. Wir haben die JWST-Kalibrierungssoftware Version (CAL_VER) 1.5.3 mit den im Text beschriebenen Änderungen verwendet. Wir haben Kalibrierungsreferenzdaten aus Kontext (CRDS_CTX) 0916 verwendet, sofern im Text nicht anders angegeben. Alle in dieser Veröffentlichung vorgestellten Daten und Modelle finden Sie unter https://doi.org/10.5281/zenodo.6959427. Quelldaten werden mit diesem Dokument bereitgestellt.

Die in dieser Veröffentlichung zum Extrahieren, Reduzieren und Analysieren der Daten verwendeten Codes lauten wie folgt: STScI JWST Calibration Pipeline37 (https://github.com/spacetelescope/jwst), tshirt40, Eureka!39 (https://eurekadocs.readthedocs. io/en/latest/), Tiberius21,56,57 und FIREFLy38. Darüber hinaus nutzten diese Exoplanet51 (https://docs.exoplanet.codes/en/latest/), Pymc352 (https://docs.pymc.io/en/v3/index.html), ExoTEP53,54, 55, Batman56 (http://lkreidberg.github.io/batman/docs/html/index.html), ExoTiC-ISM59 (https://github.com/Exo-TiC/ExoTiC-ISM), ExoTiC-LD60 ( https://exotic-ld.readthedocs.io/en/latest/), Emcee63 (https://emcee.readthedocs.io/en/stable/), DYNESTY74 (https://dynesty.readthedocs.io/en/ stabil/index.html) und chromatisch (https://zkbt.github.io/chromatic/), die jeweils die Standard-Python-Bibliotheken scipy98, numpy99, astropy100,101 und matplotlib102 verwenden. Die zur Anpassung der Daten verwendeten Atmosphärenmodelle sind wie folgt: PICASO84 (https://natashabatalha.github.io/picaso/), Virga86 (https://natashabatalha.github.io/virga/), ScCHIMERA68 (https:// github.com/mrline/CHIMERA), ATMO88,89,90,91 und PHOENIX94.

Lodders, K. & Fegley, B. Atmosphärenchemie in Riesenplaneten, Braunen Zwergen und Zwergsternen geringer Masse. I. Kohlenstoff, Stickstoff und Sauerstoff. Ikarus 155, 393–424 (2002).

Artikel ADS CAS Google Scholar

Zahnle, K., Marley, MS, Freedman, RS, Lodders, K. & Fortney, JJ Atmosphärische Schwefelphotochemie auf heißen Jupitern. Astronomien. J. Lett. 701, L20–L24 (2009).

Artikel ADS CAS Google Scholar

Moses, JI et al. Zusammensetzungsvielfalt in der Atmosphäre heißer Neptune, mit Anwendung auf GJ 436b. Astronomien. J. 777, 34 (2013).

Artikel ADS PubMed PubMed Central Google Scholar

Pollack, JB et al. Entstehung der Riesenplaneten durch gleichzeitige Akkretion von Festkörpern und Gas. Ikarus 124, 62–85 (1996).

Artikel ADS Google Scholar

Fortney, JJ et al. Ein Rahmen zur Charakterisierung der Atmosphären von Transitplaneten mit geringer Masse und geringer Dichte. Astronomien. J. 775, 80 (2013).

Artikel ADS Google Scholar

Venturini, J., Alibert, Y. & Benz, W. Planetenentstehung mit Hüllenanreicherung: Neue Erkenntnisse zur Planetenvielfalt. Astron. Astronomien. 596, A90 (2016).

Artikel ADS Google Scholar

Kaltenegger, L. & Traub, WA Transite erdähnlicher Planeten. Astronomien. J. 698, 519–527 (2009).

Artikel ADS CAS Google Scholar

Deming, D. et al. Entdeckung und Charakterisierung transitierender Supererden mithilfe einer Transitdurchmusterung des gesamten Himmels und Nachverfolgung durch das James Webb-Weltraumteleskop. Publ. Astron. Soc. Pac. 121, 952–967 (2009).

Artikel ADS Google Scholar

Lustig-Yaeger, J., Meadows, VS & Lincowski, AP Die Erkennbarkeit und Charakterisierung der TRAPPIST-1-Exoplanetenatmosphären mit JWST. Astron. J. 158, 27 (2019).

Artikel ADS CAS Google Scholar

Wakeford, HR et al. Das komplette Transmissionsspektrum von WASP-39b mit einer präzisen Wasserbeschränkung. Astron. J. 155, 29 (2018).

Artikel ADS Google Scholar

Spake, JJ et al. Häufigkeitsmessungen von H2O und kohlenstoffhaltigen Spezies in der Atmosphäre von WASP-127b bestätigen dessen supersolare Metallizität. Mo. Nicht. R. Astron. Soc. 500, 4042–4064 (2021).

Artikel ADS CAS Google Scholar

Alderson, L. et al. Eine umfassende Analyse des Übertragungsspektrums von WASP-17b aus weltraumgestützten Beobachtungen. Mo. Nicht. R. Astron. Soc. 512, 4185–4209 (2022).

Stevenson, KB et al. Studien zu Transit-Exoplaneten und Community-Ziele für das Early Release Science Program des JWST. Publ. Astron. Soc. Pac. 128, 094401 (2016).

Bean, JL et al. Das Transiting Exoplanet Community Early Release Science Program für JWST. Publ. Astron. Soc. Pac. 130, 114402 (2018).

Artikel ADS Google Scholar

Faedi, F. et al. WASP-39b: ein stark aufgeblähter Planet mit Saturnmasse, der einen späten G-Stern umkreist. Astron. Astronomien. 531, A40 (2011).

Artikel Google Scholar

Laughlin, G., Crismani, M. & Adams, FC Über die anomalen Radien der vorbeiziehenden extrasolaren Planeten. Astronomien. J. Lett. 729, L7 (2011).

Artikel ADS Google Scholar

Thorngren, DP & Fortney, JJ Bayesianische Analyse der Radiusanomalien des heißen Jupiter: Hinweise auf ohmsche Dissipation? Astron. J. 155, 214 (2018).

Artikel ADS Google Scholar

Sarkis, P., Mordasini, C., Henning, T., Marleau, GD & Mollière, P. Hinweise auf drei Mechanismen, die die Radiusanomalie heißer Jupiter erklären. Astron. Astronomien. 645, A79 (2021).

Artikel ADS CAS Google Scholar

Fischer, PD et al. HST-Transmissionsspektraluntersuchung des heißen Jupiter: klarer Himmel für den kühlen Saturn WASP-39b. Astronomien. J. 827, 19 (2016).

Artikel ADS Google Scholar

Nikolov, N. et al. VLT FORS2 vergleichende Transmissionsspektroskopie: Nachweis von Na in der Atmosphäre von WASP-39b vom Boden aus. Astronomien. J. 832, 191 (2016).

Artikel ADS Google Scholar

Kirk, J. et al. LRG-BEASTS: Transmissionsspektroskopie und Retrieval-Analyse des stark aufgeblähten Saturnplaneten WASP-39b. Astron. J. 158, 144 (2019).

Artikel ADS CAS Google Scholar

Mancini, L. et al. Das GAPS-Programm mit HARPS-N bei TNG. XVI. Messung des Rossiter-McLaughlin-Effekts der transitierenden Planetensysteme HAT-P-3, HAT-P-12, HAT-P-22, WASP-39 und WASP-60. Astron. Astronomien. 613, A41 (2018).

Artikel Google Scholar

Biazzo, K. et al. Das GAPS-Programm mit HARPS-N bei TNG. XXXV. Grundlegende Eigenschaften vorbeiziehender Exoplaneten-Wirtssterne. Astron. Astronomien. 664, A61 (2022).

Polanski, AS, Crossfield, IJM, Howard, AW, Isaacson, H. & Rice, M. Chemische Häufigkeiten für 25 JWST-Exoplaneten-Wirtssterne mit KeckSpec. Res. Notiz. AAS 6, 155 (2022).

Lodders K. & Fegley B. The Planetary Scientist's Companion (Oxford Univ. Press, 1998).

Kreidberg, L. et al. Eine präzise Messung der Wasserhäufigkeit für den heißen Jupiter WASP-43b. Astronomien. J. Lett. 793, L27 (2014).

Artikel ADS Google Scholar

Atreya, SK et al. Der Ursprung und die Entwicklung des Saturn: eine Post-Cassini-Perspektive. Vorabdruck unter https://arxiv.org/abs/2205.06914 (2022).

Thorngren, D. & Fortney, JJ Verbindung von Riesenplanetenatmosphäre und Innenmodellierung: Einschränkungen bei der atmosphärischen Metallanreicherung. Astronomien. J. Lett. 874, L31 (2019).

Artikel ADS CAS Google Scholar

Tsiaras, A. et al. Eine Populationsstudie gasförmiger Exoplaneten. Astron. J. 155, 156 (2018).

Artikel ADS Google Scholar

Fisher, C. & Heng, K. Retrieval-Analyse von 38 WFC3-Transmissionsspektren und Auflösung der Normalisierungsdegeneration. Mo. Nicht. R. Astron. Soc. 481, 4698–4727 (2018).

Artikel ADS CAS Google Scholar

Pinhas, A., Madhusudhan, N., Gandhi, S. & MacDonald, R. H2O-Häufigkeiten und Wolkeneigenschaften in zehn heißen riesigen Exoplaneten. Mo. Nicht. R. Astron. Soc. 482, 1485–1498 (2019).

Artikel ADS CAS Google Scholar

Welbanks, L. et al. Massenmetallizitätstrends bei Exoplaneten im Transit aus atmosphärischen H2O-, Na- und K-Häufigkeiten. Astronomie. J. Lett. 887, L20 (2019).

Artikel ADS CAS Google Scholar

Min, M., Ormel, CW, Chubb, K., Helling, C. & Kawashima, Y. Das ARCiS-Framework für Exoplanetenatmosphären. Modellierungsphilosophie und Retrieval. Astron. Astronomien. 642, A28 (2020).

Artikel ADS CAS Google Scholar

Benneke, B. & Seager, S. Wie man zwischen wolkigen Mini-Neptunen und von Wasser/flüchtigen Stoffen dominierten Supererden unterscheidet. Astronomien. J. 778, 153 (2013).

Artikel ADS Google Scholar

Jakobsen, P. et al. Der Nahinfrarotspektrograph (NIRSpec) am James Webb-Weltraumteleskop. I. Überblick über das Instrument und seine Fähigkeiten. Astron. Astronomien. 661, A80 (2022).

Artikel CAS Google Scholar

Birkmann, SM et al. Der Nahinfrarotspektrograph (NIRSpec) am James Webb-Weltraumteleskop. IV. Fähigkeiten und vorhergesagte Leistung für die Charakterisierung von Exoplaneten. Astron. Astronomien. 661, A83 (2022).

Artikel CAS Google Scholar

Rigby, J. et al. Charakterisierung der wissenschaftlichen Leistung des JWST seit der Inbetriebnahme. Vorabdruck unter https://arxiv.org/abs/2207.05632 (2022).

Rustamkulov, Z., Sing, DK, Liu, R. & Wang, A. Analyse einer NIRSpec-Laborzeitreihe des JWST: Charakterisierung der Systematik, Wiederherstellung der Exoplanetentransitspektroskopie und Begrenzung eines Grundrauschens. Astronomien. J. Lett. 928, L7 (2022).

Artikel ADS Google Scholar

Bell, TJ et al. Eureka!: eine End-to-End-Pipeline für JWST-Zeitreihenbeobachtungen. J. Open Source Sci. 7, 4503–4508 (2022).

Glidic, K. et al. Atmosphärische Charakterisierung des heißen Jupiter CoRoT-1 b mit der Wide Field Camera 3 am Hubble-Weltraumteleskop. Astron. J. 164, 19 (2022).

Artikel ADS Google Scholar

Beichman, C. et al. Beobachtungen vorbeiziehender Exoplaneten mit dem James Webb Space Telescope (JWST). Publ. Astron. Soc. Pac. 126, 1134–1173 (2014).

Artikel ADS Google Scholar

Yamamura, I., Tsuji, T. & Tanabé, T. AKARI-Beobachtungen von Braunen Zwergen. I. CO- und CO2-Banden im Nahinfrarot-Spektrum. Astronomien. J. 722, 682–698 (2010).

Artikel ADS CAS Google Scholar

Lodders, K., Palme, H. & Gail, H.-P. im Sonnensystem: Astronomie, Astrophysik und Kosmologie Bd. 4B (Hrsg. Trümper, JE) 712 (Landolt-Börnstein – Gruppe VI „Astronomie und Astrophysik“, Springer, 2009).

Stevenson, KB Quantifizierung und Vorhersage des Vorhandenseins von Wolken in der Atmosphäre von Exoplaneten. Astronomien. J. Lett. 817, L16 (2016).

Artikel ADS Google Scholar

Fu, G. et al. Statistische Analyse der Hubble/WFC3-Transitspektroskopie extrasolarer Planeten. Astronomien. J. Lett. 847, L22 (2017).

Artikel ADS Google Scholar

Parmentier, V., Fortney, JJ, Showman, AP, Morley, C. & Marley, MS Übergänge in der Wolkenzusammensetzung heißer Jupiter. Astronomien. J. 828, 22 (2016).

Artikel ADS Google Scholar

Kataria, T. et al. Die atmosphärische Zirkulation einer Neun-Hot-Jupiter-Probe: Untersuchung der Zirkulation und Chemie über einen weiten Phasenraum. Astronomien. J. 821, 9 (2016).

Artikel ADS Google Scholar

Gao, P. et al. Aerosolzusammensetzung heißer Riesen-Exoplaneten, dominiert von Silikaten und Kohlenwasserstoffnebeln. Nat. Astron. 4, 951–956 (2020).

Artikel ADS Google Scholar

Himes, MD & Harrington, J. Zur Tagesatmosphäre von WASP-12b. Astronomien. J. 931, 86 (2022).

Artikel ADS Google Scholar

Schlawin, E. et al. JWST-Grundrauschen. II. Systematische Fehlerquellen in JWST NIRCam-Zeitreihen. Astron. J. 161, 115 (2021).

Artikel ADS Google Scholar

Foreman-Mackey, D. et al. Exoplanet: Gradientenbasierte probabilistische Inferenz für Exoplanetendaten und andere astronomische Zeitreihen. J.Open Source Softw. 6, 3285 (2021).

Artikel ADS Google Scholar

Salvatier, J., Wiecki, TV & Fonnesbeck, C. PyMC3: Python-Framework für probabilistische Programmierung. Astrophysics Source Code Library ascl:1610.016 (2016).

Benneke, B. et al. Spitzer-Beobachtungen bestätigen und retten die Supererde K2-18b in der bewohnbaren Zone für eine zukünftige Charakterisierung. Astronomien. J. 834, 187 (2017).

Artikel ADS Google Scholar

Benneke, B. et al. Wasserdampf und Wolken auf dem Exoplaneten K2-18b in der bewohnbaren Zone Sub-Neptun. Astronomien. J. Lett. 887, L14 (2019).

Artikel ADS CAS Google Scholar

Benneke, B. et al. Ein Sub-Neptun-Exoplanet mit einer methanarmen Atmosphäre mit geringem Metallgehalt und Mie-streuenden Wolken. Nat. Astron. 3, 813–821 (2019).

Artikel ADS Google Scholar

Kreidberg, L. Batman: Grundlegende Transitmodellberechnung in Python. Publ. Astron. Soc. Pac. 127, 1161–1165 (2015).

Artikel ADS Google Scholar

Kirk, J. et al. LRG-BEASTS III: Bodengestütztes Transmissionsspektrum des Gasriesen, der den kühlen Zwerg WASP-80 umkreist. Mo. Nicht. R. Astron. Soc. 474, 876–885 (2018).

Artikel ADS CAS Google Scholar

Kirk, J. et al. ACCESS und LRG-BEASTS: ein präzises neues optisches Übertragungsspektrum des ultraheißen Jupiter WASP-103b. Astron. J. 162, 34 (2021).

Artikel ADS CAS Google Scholar

Laginja, I. & Wakeford, H. ExoTiC-ISM: ein Python-Paket für marginalisierte Exoplaneten-Transitparameter über ein Raster systematischer Instrumentenmodelle. J Open Source Softw 5, 2281 (2020).

Artikel ADS Google Scholar

Wakeford, HR & Grant, D. Exo-TiC/ExoTiC-LD: ExoTiC-LD v2.1 Zenodo Release. Zenodo https://doi.org/10.5281/zenodo.6809899 (2022).

Magic, Z., Chiavassa, A., Collet, R. & Asplund, M. Das Stagger-Gitter: ein Gitter aus 3D-Sternatmosphärenmodellen. Verdunkelungskoeffizienten der IV-Gliedmaßen. Astron. Astronomien. 573, A90 (2015).

Artikel ADS Google Scholar

Sing, DK Stellare Glied-Darkening-Koeffizienten für CoRot und Kepler. Astron. Astronomien. 510, A21 (2010).

Artikel ADS Google Scholar

Foreman-Mackey, D. et al. emcee v3: ein Python-Ensemble-Sampling-Toolkit für affininvariantes MCMC. J. Open Source Softw. 4, 1864 (2019).

Artikel ADS Google Scholar

Marley, MS & Robinson, TD Auf der coolen Seite: Modellierung der Atmosphären von Braunen Zwergen und Riesenplaneten. Ann. Rev. Astron. Astronomien. 53, 279–323 (2015).

Artikel ADS Google Scholar

Hubeny, I. Modellatmosphären substellarer Massenobjekte. Mo. Nicht. R. Astron. Soc. 469, 841–869 (2017).

Artikel ADS CAS Google Scholar

Piskorz, D. et al. Boden- und weltraumgestützte Erfassung des thermischen Emissionsspektrums des transitierenden heißen Jupiter KELT-2Ab. Astron. J. 156, 133 (2018).

Artikel ADS Google Scholar

Arcangeli, J. et al. H−-Opazität und Wasserdissoziation in der Tagatmosphäre des sehr heißen Gasriesen WASP-18b. Astronomien. J. Lett. 855, L30 (2018).

Artikel ADS Google Scholar

Mansfield, M. et al. Eine einzigartige Spektralsequenz des heißen Jupiters mit Beweisen für die Vielfalt der Zusammensetzung. Nat. Astron. 5, 1224–1232 (2021).

Artikel ADS Google Scholar

Fortney, JJ, Marley, MS, Lodders, K., Saumon, D. & Freedman, R. Vergleichende Planetenatmosphären: Modelle von TrES-1 und HD 209458b. Astronomien. J. Lett. 627, L69–L72 (2005).

Artikel ADS CAS Google Scholar

Perez-Becker, D. & Showman, AP Atmosphärische Wärmeumverteilung auf heißen Jupitern. Astronomien. J. 776, 134 (2013).

Artikel ADS Google Scholar

Zhang, X. Atmosphärische Regime und Trends auf Exoplaneten und Braunen Zwergen. Res. Astron. Astronomien. 20, 099 (2020).

Artikel ADS Google Scholar

Mai, C. & Line, MR Untersuchung der Annahmen zu Exoplanetenwolken in JWST-Transmissionsspektren. Astronomien. J. 883, 144 (2019).

Artikel ADS CAS Google Scholar

Iyer, AR & Line, MR Der Einfluss der Sternkontamination auf die Interpretation von Nahinfrarot-Transmissionsspektren von Sub-Neptun-Welten um M-Zwerge. Astronomien. J. 889, 78 (2020).

Artikel ADS CAS Google Scholar

Speagle, JS DYNESTY: ein dynamisch verschachteltes Stichprobenpaket zur Schätzung von Bayes'schen Posterioren und Beweisen. Mo. Nicht. R. Astron. Soc. 493, 3132–3158 (2020).

Artikel ADS Google Scholar

Polyansky, OL et al. ExoMol-Moleküllinienlisten XXX: eine vollständige hochpräzise Linienliste für Wasser. Mo. Nicht. R. Astron. Soc. 480, 2597–2608 (2018).

Artikel ADS CAS Google Scholar

Gharib-Nezhad, E. et al. EXOPLINES: Datenbank mit molekularen Absorptionsquerschnitten für Atmosphären von Braunen Zwergen und Riesen-Exoplaneten. Astronomien. J. Suppl. Ser. 254, 34 (2021).

Artikel ADS CAS Google Scholar

Li, G. et al. Listen der Rovibrationslinien für neun Isotopologe des CO-Moleküls im elektronischen Grundzustand X1Σ+. Astronomien. J. Suppl. Ser. 216, 15 (2015).

Artikel ADS Google Scholar

Grimm, SL et al. HELIOS-K 2.0 Opazitätsrechner und Open-Source-Opazitätsdatenbank für exoplanetare Atmosphären. Astronomien. J. Suppl. Ser. 253, 30 (2021).

Artikel ADS CAS Google Scholar

Huang, J. Quant. Spektroskopie Strahlen. Transf. 147, 134–144 (2014).

ADS CAS Google Scholar

Marley, MS et al. Die Sonora-Braunen-Zwerg-Atmosphären- und Evolutionsmodelle. I. Modellbeschreibung und Anwendung auf wolkenlose Atmosphären im chemischen Gleichgewicht durch Regen. Astronomien. J. 920, 85 (2021).

Artikel ADS CAS Google Scholar

Azzam, AAA, Tennyson, J., Yurchenko, SN & Naumenko, OV ExoMol-Moleküllinienlisten – XVI. Das Rotations-Vibrations-Spektrum von heißem H2S. Mo. Nicht. R. Astron. Soc. 460, 4063–4074 (2016).

Artikel ADS CAS Google Scholar

Hargreaves, RJ et al. Eine genaue, umfangreiche und praktische Methan-Zeilenliste für die HITEMP-Datenbank. Astronomien. J. Suppl. Ser. 247, 55 (2020).

Artikel ADS CAS Google Scholar

Marley, MS & McKay, CP Thermische Struktur der Uranus-Atmosphäre. Ikarus 138, 268–286 (1999).

Artikel ADS CAS PubMed Google Scholar

Batalha, NE, Marley, MS, Lewis, NK & Fortney, JJ Exoplaneten-Reflexionslichtspektroskopie mit PICASO. Astronomien. J. 878, 70 (2019).

Artikel ADS CAS Google Scholar

Mukherjee, S., Batalha, NE, Fortney, JJ & Marley, MS PICASO 3.0: ein eindimensionales Klimamodell für Riesenplaneten und Braune Zwerge. Vorabdruck unter https://arXiv.org/abs/2208.07836 (2022).

Rooney, CM, Batalha, NE, Gao, P. & Marley, MS Ein neues Sedimentationsmodell für eine größere Wolkenvielfalt in riesigen Exoplaneten und Braunen Zwergen. Astronomien. J. 925, 33 (2022).

Artikel ADS CAS Google Scholar

Ackerman, AS & Marley, MS Niederschlagende Kondensationswolken in substellaren Atmosphären. Astronomien. J. 556, 872 (2001).

Artikel ADS CAS Google Scholar

Tremblin, P. et al. Fingering-Konvektions- und wolkenlose Modelle für kühle Braune-Zwerg-Atmosphären. Astronomien. J. 804, L17 (2015).

Artikel ADS Google Scholar

Drummond, B. et al. Die Auswirkungen konsistenter chemischer Kinetikberechnungen auf die Druck-Temperatur-Profile und Emissionsspektren heißer Jupiter. Astron. Astronomien. 594, A69 (2016).

Artikel Google Scholar

Goyal, JM et al. Eine Bibliothek von ATMO-Vorwärtsmodell-Transmissionsspektren für heiße Jupiter-Exoplaneten. Mo. Nicht. R. Astron. Soc. 474, 5158–5185 (2018).

Artikel ADS CAS Google Scholar

Goyal, JM et al. Eine Bibliothek selbstkonsistenter simulierter Exoplanetenatmosphären. Mo. Nicht. R. Astron. Soc. 498, 4680–4704 (2020).

Artikel ADS CAS Google Scholar

Hauschildt, PH, Allard, F. & Baron, E. Das Atmosphärengitter des NextGen-Modells für 3000 ≤ Teff ≤ 10.000 K. Astronomie. J. 512, 377 (1999).

Artikel ADS CAS Google Scholar

Barman, TS, Hauschildt, PH & Allard, F. Verstrahlte Planeten. Astronomien. J. 556, 885 (2001).

Artikel ADS CAS Google Scholar

Lothringer, JD & Barman, T. Der PHOENIX-Exoplaneten-Retrieval-Algorithmus und die Verwendung der H−-Opazität als Sonde in ultraheißen Jupitern. Astron. J. 159, 289 (2020).

Artikel ADS CAS Google Scholar

Lothringer, JD et al. Neues Fenster zur Planetenentstehung und -migration: Verhältnisse von feuerfesten zu flüchtigen Elementen in ultraheißen Jupitern. Astronomien. J. 914, 12 (2021).

Artikel ADS CAS Google Scholar

Gregory, PC (Hrsg.) Bayesian Logical Data Analysis for the Physical Sciences: A Comparative Approach with 'Mathematica' Support (Cambridge Univ. Pres, 2005).

Trotta, R. Bayes am Himmel: Bayesianische Folgerung und Modellauswahl in der Kosmologie. Zeitgenössisch Physik. 49, 71–104 (2008).

Artikel ADS CAS Google Scholar

Virtanen, P. et al. SciPy 1.0: grundlegende Algorithmen für wissenschaftliches Rechnen in Python. Nat. Methoden 17, 261–272 (2020).

Artikel CAS PubMed PubMed Central Google Scholar

Harris, CR et al. Array-Programmierung mit NumPy. Natur 585, 357–362 (2020).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Die Astropy Collaboration Astropy: ein Community-Python-Paket für die Astronomie. Astron. Astronomien. 558, A33 (2013).

Die Astropy-Zusammenarbeit Das Astropy-Projekt: Aufbau eines Open-Science-Projekts und Status des v2.0-Kernpakets. Astron. J. 156, 123 (2018).

Artikel ADS Google Scholar

Hunter, JD Matplotlib: eine 2D-Grafikumgebung. Berechnen. Wissenschaft. Ing. 9, 90–95 (2007).

Artikel Google Scholar

Referenzen herunterladen

Diese Arbeit basiert auf Beobachtungen, die mit dem James Webb-Weltraumteleskop der NASA/ESA/CSA gemacht wurden. Die Daten stammen vom Mikulski-Archiv für Weltraumteleskope am Space Telescope Science Institute, das von der Association of Universities for Research in Astronomy, Inc. im Rahmen des NASA-Vertrags NAS 5-03127 für JWST betrieben wird. Diese Beobachtungen stehen im Zusammenhang mit dem Programm JWST-ERS-01366. Die NASA unterstützte das Programm JWST-ERS-01366 durch einen Zuschuss des Space Telescope Science Institute, das von der Association of Universities for Research in Astronomy, Inc. im Rahmen des NASA-Vertrags NAS 5-03127 betrieben wird. Die hier berichteten Ergebnisse profitierten während der Entwurfsphase von der Zusammenarbeit und/oder dem Informationsaustausch innerhalb des Forschungskoordinierungsnetzwerks Nexus for Exoplanet System Science (NExSS) der NASA, das vom Science Mission Directorate der NASA gefördert wurde. NMB erkennt die Finanzierung durch das Interdisciplinary Consortia for Astrobiology Research (NNH19ZDA001N-ICAR) der NASA unter der Fördernummer 19-ICAR19_2-0041 an.

Fachbereich Physik, University of Warwick, Coventry, Großbritannien

Eva-Maria Ahrer & Peter J. Wheatley

Zentrum für Exoplaneten und Habitabilität, University of Warwick, Coventry, Großbritannien

Eva-Maria Ahrer & Peter J. Wheatley

Fakultät für Physik, Universität Bristol, Bristol, Großbritannien

Lili Alderson, Hannah R. Wakeford und David Grant

Abteilung für Astronomie und Astrophysik, University of California, Santa Cruz, Santa Cruz, CA, USA

Natalie M. Batalha, Aarynn L. Carter, Jonathan J. Fortney, Sagnick Mukherjee, Kazumasa Ohno und Nicholas Scarsdale

NASA Ames Research Center, Moffett Field, CA, USA

Natasha E. Batalha

Abteilung für Astronomie und Astrophysik, University of Chicago, Chicago, IL, USA

Jacob L. Bean und Adina D. Feinstein

Abteilung für Astronomie, University of Wisconsin-Madison, Madison, WI, USA

Thomas G. Beatty

BAER-Institut, NASA Ames Research Center, Moffett Field, CA, USA

Taylor J. Bell

Fachbereich Physik und Institut für Exoplanetenforschung, Université de Montréal, Montreal, Quebec, Kanada

Björn Benneke, Caroline Piaulet, Michael Radica, Pierre-Alexis Roy, Jake Taylor und Louis-Philippe Coulombe

Abteilung für Astrophysik und Planetenwissenschaften, University of Colorado, Boulder, CO, USA

Zachory K. Berta-Thompson, Catriona Anne Murray, Molly Nehring, William C. Waalkes und Patcharapol Wachiraphan

Institut für Physik und Astronomie, University of Kansas, Lawrence, KS, USA

Ian JM Crossfield & Jonathan Brande

Space Telescope Science Institute, Baltimore, MD, USA

Nestor Espinoza, Nikolay K. Nikolov, Leonardo A. Dos Santos und Jeff A. Valenti

Abteilung für Physik und Astronomie, Johns Hopkins University, Baltimore, MD, USA

David K. Singh, Natalie H. Allen, Guangwei Fu und Lakeisha Ramos-Rosado

Fakultät für Physik, Trinity College Dublin, Dublin, Irland

Neale P. Gibson

School of Earth and Planetary Sciences (SEPS), National Institute of Science Education and Research (NISER), HBNI, Jatani, Indien

Jayesh M. Goyal

Abteilung für Astronomie, University of Maryland, College Park, MD, USA

Eliza M.-R. Kempton, Guangwei Fu & Thaddeus D. Komacek

Zentrum für Astrophysik | Harvard & Smithsonian, Cambridge, MA, USA

James Kirk, Mercedes Lopez-Morales, Kevin Ortiz Ceballos und Diana Powell

Max-Planck-Institut für Astronomie, Heidelberg, Deutschland

Laura Kreidberg, Karan Molaverdikhani, Thomas Henning, Luigi Mancini, Thomas Mikal-Evans, Maria E. Steinrück und Sebastian Zieba

Schule für Erd- und Weltraumforschung, Arizona State University, Tempe, AZ, USA

Michael R. Line, Luis Welbanks und Evgenya L. Shkolnik

Fakultät für Physik, Utah Valley University, Orem, UT, USA

Joshua D. Lothringer

Mond- und Planetenlabor, University of Arizona, Tucson, AZ, USA

Sarah E. Moran und Mark S. Marley

Atmosphären-, Ozean- und Planetenphysik, Fachbereich Physik, Universität Oxford, Oxford, Großbritannien

Vivien Parmentier, Xianyu Tan und Shang-Min Tsai

Côte d'Azur-Universität, Côte d'Azur-Observatorium, CNRS, Lagrange-Labor, Nizza, Frankreich

Vivien Parmentier

Abteilung für Erd- und Planetenwissenschaften, Johns Hopkins University, Baltimore, MD, USA

Zafar Rustamkulov & David K. Sing

Steward Observatory, University of Arizona, Tucson, AZ, USA

Everett Schlawin & Megan Mansfield

Johns Hopkins APL, Laurel, MD, USA

Kevin B. Stevenson, EM May und Jacob Lustig-Yaeger

Europäische Weltraumorganisation, Space Telescope Science Institute, Baltimore, MD, USA

Stephen M. Birkmann & Sarah Kendrew

Observatorium Leiden, Universität Leiden, Leiden, Niederlande

Nicolas Crouzet, Yamila Miguel und Sebastian Zieba

INAF – Astrophysikalisches Observatorium Turin, Turin, Italien

Patricio E. Cubillos und Luigi Mancini

Weltraumforschungsinstitut, Österreichische Akademie der Wissenschaften, Graz, Österreich

Patricio E. Cubillos

Abteilung für Astrophysik, Jet Propulsion Laboratory, California Institute of Technology, Pasadena, CA, USA

Mario Damiano, Renyu Hu, Tiffany Kataria und Gael M. Roudier

Anton Pannekoek Institut für Astronomie, Universität Amsterdam, Amsterdam, Niederlande

Jean-Michel Désert

Earth and Planets Laboratory, Carnegie Institution for Science, Washington DC, USA

Peter Gao, Munazza K. Alam, Anjali AA Piette und Johanna K. Teske

Planetary Sciences Group, Fachbereich Physik und Florida Space Institute, University of Central Florida, Orlando, FL, USA

Joseph Harrington

Abteilung für Geologie und Planetenwissenschaften, California Institute of Technology, Pasadena, CA, USA

Renyu Hu, Heather A. Knutson, Julie Inglis, Jessica J. Spake und Nicole L. Wallack

Universität Paris-Saclay, Universität Paris Cité, CEA, CNRS, AIM, Gif-sur-Yvette, Frankreich

Pierre-Olivier Lagage & A. García Muñoz

Astrophysikalisches Labor Bordeaux, Universität Bordeaux, Pessac, Frankreich

Jeremy Leconte

Abteilung für Astronomie, Universität Genf, Sauverny, Schweiz

Monika Lendl & DJM Petit dit de la Roche

Abteilung für Astronomie und Carl Sagan Institute, Cornell University, Ithaca, NY, USA

Ryan J. MacDonald, Laura Flagg, Yu-Cian Hong, Nikole K. Lewis und Jake D. Turner

SRON Niederländisches Institut für Weltraumforschung, Leiden, Niederlande

Yamila Miguel

Universitäts-Sternwarte, Ludwig-Maximilians-Universität München, Munich, Germany

Karan Molaverdikhani

Exzellenzcluster Origins, Garching, Germany

Karan Molaverdikhani

Space Science Institute, Boulder, CO, USA

Julianne I. Moses

Abteilung für Physik und Astronomie, Vanderbilt University, Nashville, TN, USA

Keivan G. Stassun

Indian Institute of Technology, Indore, Indien

Keshav Aggarwal

School of Physical Sciences, The Open University, Milton Keynes, Großbritannien

Agnibha Banerjee und Joanna K. Barstow

Fakultät für Physik, New York University Abu Dhabi, Abu Dhabi, Vereinigte Arabische Emirate

Jasmina Blecic

Fakultät für Physik und Astronomie, Universität Leicester, Leicester, Großbritannien

SL Casewell & Michael T. Roman

Abteilung für Physik und Astronomie, University College London, London, Großbritannien

Quentin Changeat & Ingo P. Waldmann

Zentrum für Exoplanetenwissenschaft, University of St Andrews, St Andrews, Großbritannien

KL Chubb

NASA Goddard Space Flight Center, Greenbelt, MD, USA

Knicole D. Columbus & Avi M. Mandell

Abteilung für Astrophysikalische Wissenschaften, Princeton University, Princeton, NJ, USA

Tansu Daylan

Planetary Science Institute, Tucson, AZ, USA

Miguel de Val-Borro

Institut für Astronomie, Abteilung für Physik und Astronomie, KU Leuven, Leuven, Belgien

Lee Decin

Labor für Atmosphären- und Weltraumphysik, University of Colorado Boulder, Boulder, CO, USA

Kevin Frankreich

Institut für Physik und Astronomie, University of Delaware, Newark, DE, USA

John E. Gizis

Abteilung für Erd-, Atmosphären- und Planetenwissenschaften, Massachusetts Institute of Technology, Cambridge, MA, USA

Ana Glidden & Benjamin V. Rackham

Kavli-Institut für Astrophysik und Weltraumforschung, Massachusetts Institute of Technology, Cambridge, MA, USA

Ana Glidden & Benjamin V. Rackham

Universitätssternwarte München, Ludwig-Maximilians-Universität, München, Deutschland

Kevin Heng

Institut für Astrophysik, Universität Wien, Wien, Österreich

Nicolas Iro

California Institute of Technology, IPAC, Pasadena, CA, USA

Jessica E. Krick

Center for Space and Habitability, Universität Bern, Bern, Schweiz

Elspeth KH Lee

Abteilung für Astrophysik, Zentrum für Astrobiologie (CAB, CSIC-INTA), Madrid, Spanien

Jorge Lillo-Box

Fakultät für Physik, Universität Rom „Tor Vergata“, Rom, Italien

Luigi Mancini

Institut für Astrophysik der Kanarischen Inseln (IAC), Teneriffa, Spanien

Joseph Morello

Abteilung für Astrophysik, Universität La Laguna (ULL), Teneriffa, Spanien

Joseph Morello

INAF – Astronomisches Observatorium Palermo, Palermo, Italien

Joseph Morello

Institut für Astronomie, Universität Cambridge, Cambridge, Großbritannien

Matthew C. Nixon und Laura K. Rogers

Abteilung für Astronomie, University of Michigan, Ann Arbor, MI, USA

Emily Rauscher

Abteilung für Astronomie und Van-Vleck-Observatorium, Wesleyan University, Middletown, CT, USA

Seth Redfield

Adolfo Ibanez Universität: Penalolen, Santiago, Chile

Michael T. Roman

Astrophysik-Gruppe, Keele University, Staffordshire, Großbritannien

John Southworth

Haus der Simulation, CEA, CNRS, Universität Paris-Süd, UVSQ, Universität Paris-Saclay, Gif-sur-Yvette, Frankreich

Pascal Tremblin

Fachbereich Physik, Brown University, Providence, Rhode Island, USA

Gregory S. Tucker

Universität Paris Cité und Universität Paris Est Créteil, CNRS, LISA, Paris, Frankreich

Olivia Venot

Abteilung für Erd- und Planetenwissenschaften, University of California, Santa Cruz, Santa Cruz, CA, USA

Xi Zhang

NMB, JLB und KBS übernahmen die Gesamtleitung und das Management des Programms. DKS, EM-RK, HRW, IJMC, JLB, KBS, LK, ML-M., MRL, NMB, VP und ZKB-T. leistete wesentliche Beiträge zur Gestaltung des Programms. KBS erstellte den Beobachtungsplan unter Einbeziehung des Teams. ES, NE und TGB stellten Instrumentenexpertise zur Verfügung. BB, EM-RK, HRW, IJMC, JLB, LK, ML-M., MRL, NMB und ZKB-T. Leitung oder Co-Leitung von Arbeitsgruppen und/oder Beitrag zu bedeutenden strategischen Planungsbemühungen wie der Gestaltung und Umsetzung der Pre-Launch Data Challenges. ALC, DKS, ES, NE, NPG, TGB und VP generierten simulierte Daten für das Testen von Methoden vor der Markteinführung. ALC, ADF, CP, E.-MA, ES, JK, LA, TJB und ZR haben zur Entwicklung von Datenanalyse-Pipelines beigetragen und/oder die in dieser Analyse verwendeten Datenanalyseprodukte bereitgestellt, die Daten reduziert, die Lichtkurven modelliert, und erzeugte das Planetenspektrum. JMG, JDL, KO, MRL, NEB, SM und SEM generierten theoretische Modellgitter zum Vergleich mit Daten. ALC, DKS, ES, HRW, JK, JJF, JMG, JLB, JDL, KBS, KO, MRL, NEB, NMB, SM, SEM, ZKB-T. und ZR haben maßgeblich zum Verfassen dieses Manuskripts beigetragen. E.-MA, ES, MRL und ZKB-T. generierte Zahlen für dieses Manuskript. Über 100 der Co-Autoren waren an der Gestaltung dieses Programms beteiligt und trugen zum ERS-Beobachtungsvorschlag bei. Fast alle Co-Autoren nahmen an Arbeitsgruppen und Programmveranstaltungen vor der Veröffentlichung teil. Fast alle Autoren lieferten wissenschaftliche und technische Beiträge zum Manuskript.

Korrespondenz mit Natalie M. Batalha.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Nature dankt Masahiro Ikoma und den anderen, anonymen Gutachtern für ihren Beitrag zum Peer-Review dieser Arbeit.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Trotz unterschiedlicher Strahlungs-Konvektiv-Gleichgewichts- und chemischer Löser, Behandlungen von Wolken, Gitterabständen und Gitteranpassungsansätzen gelangen alle vier Gitter zur gleichen 10-fachen solaren Metallizitätspunktlösung. Darüber hinaus bieten alle vier eine akzeptable Anpassung an die Daten, wobei die beste Anpassung Χ2/Ndata < 1,4 ist.

Die dicke rote Kurve (und die entsprechende obere x-Achse) zeigt das resultierende 1D-Strahlungs-Konvektions-Gleichgewichtstemperaturprofil. Die gestrichelten Linien (und die untere x-Achse) zeigen die vertikalen Gasmischungsverhältnisprofile unter der Annahme eines thermochemischen Gleichgewichts. Diese Häufigkeiten steuern zusammen mit den im unteren Feld von Abb. 3 gezeigten Absorptionsquerschnitten die relativen Beiträge jeder gasförmigen Opazität zum gesamten Transmissionsspektrum.

Restmerkmale (blaue Datenpunkte) nach Subtraktion des besten Kontinuumsmodells (schwarze Modellkurve „kein CO2“ in Abb. 3). Ein am besten passendes Ensemble eines Zweikomponenten-Gauß-Modells sowohl zum CO2-Merkmal als auch zum unbekannten Absorber-Merkmal (~4 µm) ist in Rot dargestellt.

Diese Datei enthält Dateien zum Nachbilden der Haupttextfiguren. Es umfasst: TRANSMISSION_SPECTRA_DATA, das die Daten aus jeder Reduzierung enthält; MODEL_FITS, enthält die am besten passenden Modellspektren aus jedem der vier im Manuskript beschriebenen Modellgitter sowie die Spektren „jeweils ein Gas entfernen“, um das obere Feld von Abb. 3 wiederherzustellen; und die zur Reproduktion der in Abb. 1 dargestellten Lichtkurven notwendigen Daten sind in der CSV-Datei enthalten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

JWST Transiting Exoplanet Community Early Release Science Team. Identifizierung von Kohlendioxid in der Atmosphäre eines Exoplaneten. Natur 614, 649–652 (2023). https://doi.org/10.1038/s41586-022-05269-w

Zitat herunterladen

Eingegangen: 04. August 2022

Angenommen: 23. August 2022

Veröffentlicht: 02. September 2022

Ausgabedatum: 23. Februar 2023

DOI: https://doi.org/10.1038/s41586-022-05269-w

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Natur (2023)

Natur (2023)

Natur (2023)

Natur (2023)

Natur (2023)

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.