Istraživači s Warwickovog Odjela za fiziku i računalne znanosti i Instituta Alan Turing stvorili su algoritam temeljen na strojnom učenju za analizu uzorka potencijalnih egzoplaneta i utvrđivanje koji su pravi, a koji 'lažni' ili lažno pozitivni. Skupove planetarnih podataka pronašle su misije poput NASA-inog Keplera i TESS-a. 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 s 50 novih potvrđenih planeta, od kojih je prvi verificiran korištenjem strojnog učenja. Ovih 50 planeta veličine su od Neptuna do planeta veličine Zemlje, s orbitama od 200 do 1 dana.
“Umjesto da kažemo koji će kandidati vjerojatnije biti planeti, sada možemo reći koja je točna statistička vjerojatnost. Ako je šansa da je kandidat lažno pozitivan manja od 1%, smatra se potvrđenim planetom", rekao je dr. David Armstrong s Odsjeka za fiziku na Sveučilištu Warwick.
Jednom izgrađen i obučen, algoritam je brži od trenutnih metoda i može se potpuno automatizirati, što ga čini idealnim za analizu tisuća potencijalnih kandidata za planete promatranih u trenutnim istraživanjima TESS-a.
Pročitajte također: