100 новых экзопланет нашли в старых данных NASA

Использованный метод также выявил еще около 2000 кандидатов во внесолнечные планеты, или экзопланеты, примерно половина из которых ранее оставалась неизвестной.

Учитывая, что в каталоге экзопланет NASA сейчас насчитывается около 6000 подтвержденных объектов, подтверждение этих кандидатов стало бы серьезным шагом вперед в поиске планет вокруг других звезд. Инновационная система искусственного интеллекта, лежащая в основе открытия, называется RAVEN и была разработана исследователями из Университет Уорика в Великобритании.

Аппарат TESS обнаруживает экзопланеты, фиксируя крошечные падения яркости звезды, возникающие, когда планета проходит перед ее диском — этот процесс называется «транзитом». RAVEN проанализировал наблюдения более чем 2,2 миллиона звезд, собранные за первые четыре года работы миссии, в поисках планет, расположенных настолько близко к своим звездам, что они совершают полный оборот всего за 16 земных суток. Таким образом, эта система ИИ помогает определить, насколько распространены такие «тесные» планеты и в каких типах звездных систем они встречаются чаще всего.

С момента открытия первых экзопланет в середине 1990-х годов их каталог вырос до более чем 6000 подтвержденных объектов, однако тысячи кандидатов, обнаруженных такими космическими миссиями, как Kepler и CHEOPS, по-прежнему остаются неподтвержденными. Это связано с тем, что ученым необходимо убедиться: наблюдаемые изменения яркости действительно вызваны прохождением планеты, а не другими явлениями, не связанными с планетами. Поэтому ускорение и повышение надежности таких подтверждений остается одной из ключевых задач современной астрономии.

«Главная трудность заключается в том, чтобы понять, действительно ли затемнение вызвано планетой на орбите или чем-то иным, например затменной двойной звездой — именно на этот вопрос и пытается ответить RAVEN», — пояснил разработчик системы Андреас Хаджигеоргиу. Ее сила основана на тщательно созданном наборе данных, включающем сотни тысяч реалистично смоделированных планет и других астрофизических событий, которые могут маскироваться под планеты.

По словам специалиста, команда обучила модели машинного обучения распознавать характерные паттерны в данных, позволяющие определить тип наблюдаемого явления — задача, с которой ИИ справляется особенно эффективно. RAVEN охватывает весь процесс обнаружения экзопланет: от выявления сигнала до его проверки с помощью машинного обучения и последующей статистической валидации. Это дает системе преимущество перед другими инструментами, которые, как правило, решают лишь отдельные этапы задачи.

Среди обнаруженных близко расположенных кандидатов ученые смогли подробно определить типы планет и их распределение. Выяснилось, что около 10% звезд, подобных Солнцу, имеют такие планеты — что подтверждает выводы, ранее сделанные миссией Kepler.

Кроме того, RAVEN позволил оценить редкость планет размером с Нептун на близких орбитах: оказалось, что они встречаются лишь у примерно 0,08% звезд солнечного типа. Это явление астрономы называют «нептунианской пустыней».

Результаты работы RAVEN наглядно демонстрируют возможности искусственного интеллекта в анализе огромных массивов астрономических данных и выявлении едва заметных эффектов.

Исследование команды опубликовано в трех статьях журнала Monthly Notices of the Royal Astronomical Society, а также доступно в репозитории научных публикаций arXiv.

Закладка

Скопировать ссылку

Email

Печать

Twitter

VK

Telegram