Новая разработка помогает отделять реальные планеты от помех и ошибок в больших выборках данных, полученных от космических телескопов.
Теперь искать новые планеты будет заметно проще / Phys.org
Астрономы впервые использовали методику машинного обучения для анализа выборки потенциальных планет и определения того, какие из объектов действительно являются планетами. Статья об этом опубликована в издании Monthly Notices of the Royal Astronomical Society.
Поиск экзопланет чаще всего ведут по огромным массивам данных с телескопов. Ученые ищут в этих данных астрономические транзиты — явления, при которых гипотетическая планета проходит между наблюдателем и своей звездой, приводя к временному потускнению светила. Однако падения яркости звезд могут быть вызваны не только транзитами планет. Подобные явления, например, наблюдаются в двойных звездных системах. В конце концов, то, что приняли за транзит, может оказаться помехами или сбоем камеры.
Британские ученые из Уорикского университета и Научно-исследовательского института Алана Тьюринга создали для этой работы алгоритм, основанный на методике машинного обучения. Новая разработка помогает отделять реальные планеты от помех и ошибок в больших выборках данных, полученных от космических телескопов.
Алгоритм обучали на двух больших выборках реальных планет и ложных срабатываниях. Данные для обучения получили от космического телескопа “Кеплер”, который работал с 2009 по 2018 год. Обученный алгоритм проверили на необработанном массиве данных, содержащем потенциальные планеты. В результате ученые получили 50 подтвержденных планет.
Ранее подобные алгоритмы уже использовали для обработки данных с космических обсерваторий. Однако эти методы лишь ранжировали потенциальных кандидатов в планеты, но не определяли вероятность того, что какой-то из них действительно является планетой. Благодаря новому алгоритму астрономы смогут лучше расставить приоритеты для последующих наблюдений космических обсерваторий.
Сейчас алгоритм работает быстрее, чем большинство существующих методов, и может быть полностью автоматизирован, что делает его идеальным для анализа больших данных. «Мы надеемся применить этот метод к большим выборкам кандидаты из текущих и будущих миссий, таких как TESS и PLATO, — говорит один из авторов работы Дэвид Армстронг. — Вместо того чтобы выяснять, какие кандидаты с большей вероятностью будут планетами, теперь мы можем точно сказать, какова точная статистическая вероятность этого».
Ранее мы писали о первом открытии экзопланеты астрономами-любителями, а также о том, что британские ученые нашли планету, которая совершает один оборот вокруг своего светила всего за 18 часов.
