Warwickin fysiikan ja tietojenkäsittelytieteen laitoksen ja Alan Turing Instituten tutkijat ovat luoneet koneoppimiseen perustuvan algoritmin analysoidakseen otoksen mahdollisista eksoplaneetoista ja määrittääkseen, mitkä niistä ovat aitoja ja mitkä "väärennöksiä" tai vääriä positiivisia. Planeettatietosarjoja on löydetty sellaisilla tehtävillä kuin NASAn Kepler ja TESS. Tulokset esitetään uudessa tutkimuksessa, joka julkaistiin Monthly Notices of the Royal Astronomical Society -lehdessä.
He käyttivät algoritmia Keplerin tietojoukossa, jolloin saatiin 50 uutta vahvistettua planeettaa, joista ensimmäinen varmistettiin koneoppimisen avulla. Näiden 50 planeetan koko vaihtelee Neptunuksesta Maan kokoisiin planeetoihin, joiden kiertorata on 200–1 päivä.
"Sen sijaan, että sanoisimme, mitkä ehdokkaat ovat todennäköisemmin planeettoja, voimme nyt sanoa, mikä on tarkka tilastollinen todennäköisyys. Jos todennäköisyys, että ehdokas on väärä positiivinen, on alle 1 %, se katsotaan vahvistetuksi planeetalle", sanoi tohtori David Armstrong Warwickin yliopiston fysiikan laitokselta.
Kun algoritmi on rakennettu ja koulutettu, se on nopeampi kuin nykyiset menetelmät ja se voidaan täysin automatisoida, joten se on ihanteellinen analysoimaan tuhansia potentiaalisia planeettaehdokkaita, joita havaitaan nykyisissä TESS-tutkimuksissa.
Lue myös: