Para peneliti dari Departemen Fisika dan Ilmu Komputer Warwick dan Institut Alan Turing telah menciptakan algoritma berbasis pembelajaran mesin untuk menganalisis sampel exoplanet potensial dan menentukan mana yang asli dan mana yang 'palsu' atau positif palsu. Kumpulan data planet telah ditemukan oleh misi seperti Kepler NASA dan TESS. Hasilnya dipresentasikan dalam sebuah studi baru yang diterbitkan di Monthly Notices of the Royal Astronomical Society.
Mereka menggunakan algoritme pada kumpulan data dari Kepler, menghasilkan 50 planet baru yang dikonfirmasi, yang pertama diverifikasi menggunakan pembelajaran mesin. Ukuran 50 planet ini berkisar dari Neptunus hingga planet seukuran Bumi, dengan orbit 200 hingga 1 hari.
“Alih-alih mengatakan kandidat mana yang lebih mungkin menjadi planet, sekarang kita dapat mengatakan berapa probabilitas statistik yang tepat. Jika peluang kandidat menjadi positif palsu kurang dari 1%, itu dianggap sebagai planet yang dikonfirmasi," kata Dr David Armstrong dari Departemen Fisika di Universitas Warwick.
Setelah dibangun dan dilatih, algoritme lebih cepat daripada metode saat ini dan dapat sepenuhnya otomatis, menjadikannya ideal untuk menganalisis ribuan kandidat planet potensial yang diamati dalam survei TESS saat ini.
Baca juga: