Istraživači iz Warwickovog Odsjeka za fiziku i računarstvo i Instituta Alan Turing kreirali su algoritam zasnovan na mašinskom učenju za analizu uzorka potencijalnih egzoplaneta i utvrđivanje koje su prave, a koje 'lažne' ili lažno pozitivne. Planetarne skupove podataka pronašle su misije kao što su NASA Kepler i TESS. Rezultati su predstavljeni u novoj studiji objavljenoj u Monthly Notices of the Royal Astronomical Society.
Koristili su algoritam na skupu podataka iz Keplera, što je rezultiralo 50 novih potvrđenih planeta, od kojih je prva potvrđena korištenjem mašinskog učenja. Ovih 50 planeta su veličine od Neptuna do planeta veličine Zemlje, sa orbitama od 200 do 1 dan.
“Umjesto da kažemo koji kandidati će vjerovatnije biti planete, sada možemo reći kolika je tačna statistička vjerovatnoća. Ako je šansa da je kandidat lažno pozitivan manji od 1%, smatra se da je planeta potvrđena", rekao je dr David Armstrong sa Odsjeka za fiziku Univerziteta Warwick.
Jednom izgrađen i obučen, algoritam je brži od trenutnih metoda i može se u potpunosti automatizirati, što ga čini idealnim za analizu hiljada potencijalnih kandidata za planete uočenih u trenutnim TESS istraživanjima.
Pročitajte također: