Tyrėjai iš Warwicko fizikos ir informatikos katedros bei Alano Turingo instituto sukūrė mašininiu mokymusi pagrįstą algoritmą, skirtą analizuoti galimų egzoplanetų pavyzdžius ir nustatyti, kurios iš jų yra tikros, o kurios – „netikros“ ar klaidingai teigiamos. Planetų duomenų rinkinius rado tokios misijos kaip NASA Kepler ir TESS. Rezultatai pateikti naujame tyrime, paskelbtame Karališkosios astronomijos draugijos mėnesiniuose pranešimuose.
Jie naudojo algoritmą Keplerio duomenų rinkinyje, todėl buvo 50 naujų patvirtintų planetų, iš kurių pirmoji buvo patikrinta naudojant mašininį mokymąsi. Šių 50 planetų dydis svyruoja nuo Neptūno iki Žemės dydžio planetų, kurių orbitos yra nuo 200 iki 1 dienos.
„Užuot sakę, kurios kandidatės greičiausiai bus planetos, dabar galime pasakyti, kokia yra tiksli statistinė tikimybė. Jei tikimybė, kad kandidatas bus klaidingai teigiamas, yra mažesnė nei 1 proc., ji laikoma patvirtinta planeta“, – sakė daktaras Davidas Armstrongas iš Varviko universiteto Fizikos katedros.
Sukurtas ir apmokytas algoritmas yra greitesnis nei dabartiniai metodai ir gali būti visiškai automatizuotas, todėl jis idealiai tinka analizuoti tūkstančius potencialių planetos kandidatų, stebimų dabartiniuose TESS tyrimuose.
Taip pat skaitykite: