A Warwick Fizikai és Számítástechnikai Tanszékének, valamint az Alan Turing Intézet kutatói gépi tanuláson alapuló algoritmust hoztak létre a potenciális exobolygók mintájának elemzésére, és meghatározzák, hogy melyek az eredetiek, és melyek a „hamis” vagy hamis pozitív eredmények. Bolygói adatkészleteket találtak olyan küldetések, mint a NASA Kepler és a TESS. Az eredményeket egy új tanulmány mutatja be, amely a Monthly Notices of the Royal Astronomical Society-ben jelent meg.
Az algoritmust a Kepler adatkészletén használták, ami 50 új megerősített bolygót eredményezett, amelyek közül az elsőt gépi tanulással ellenőrizték. Ennek az 50 bolygónak a mérete a Neptunusztól a Föld méretű bolygókig terjed, 200 és 1 nap közötti keringési idővel.
„Ahelyett, hogy azt mondanánk, hogy melyik jelöltek nagyobb valószínűséggel bolygók, most már megmondhatjuk, mi a pontos statisztikai valószínűség. Ha az esélye annak, hogy egy jelölt álpozitív eredményt kap 1%-nál kisebb, akkor megerősített bolygónak számít” – mondta Dr. David Armstrong, a Warwicki Egyetem Fizikai Tanszékének munkatársa.
Miután megépítették és betanították, az algoritmus gyorsabb, mint a jelenlegi módszerek, és teljesen automatizálható, így ideális a jelenlegi TESS felmérések során megfigyelt több ezer potenciális bolygójelölt elemzésére.
Olvassa el még: