Výzkumníci z Warwick's Department of Physics and Computer Science a Alan Turing Institute vytvořili algoritmus založený na strojovém učení, který analyzuje vzorek potenciálních exoplanet a určí, které z nich jsou pravé a které jsou „falešné“ nebo falešně pozitivní. Soubory planetárních dat byly nalezeny misemi, jako je NASA Kepler a TESS. Výsledky jsou prezentovány v nové studii publikované v Monthly Notices of the Royal Astronomical Society.
Použili algoritmus na datovém souboru od Keplera, což vedlo k 50 novým potvrzeným planetám, z nichž první byla ověřena pomocí strojového učení. Těchto 50 planet má velikost od Neptunu po planety o velikosti Země, s oběhy od 200 do 1 dne.
„Místo toho, abychom říkali, kteří kandidáti budou pravděpodobně planetami, můžeme nyní říci, jaká je přesná statistická pravděpodobnost. Pokud je šance, že kandidát bude falešně pozitivní, menší než 1 %, považuje se to za potvrzenou planetu,“ řekl doktor David Armstrong z katedry fyziky na University of Warwick.
Po sestavení a natrénování je algoritmus rychlejší než současné metody a lze jej plně automatizovat, takže je ideální pro analýzu tisíců potenciálních kandidátů na planety pozorovaných v současných průzkumech TESS.
Přečtěte si také: