Raziskovalci z Warwickovega oddelka za fiziko in računalništvo ter Inštituta Alana Turinga so ustvarili algoritem, ki temelji na strojnem učenju, za analizo vzorca potencialnih eksoplanetov in ugotavljanje, kateri so pristni in kateri "ponaredki" ali lažno pozitivni. Nabore planetarnih podatkov so odkrile misije, kot sta NASA Kepler in TESS. Rezultati so predstavljeni v novi študiji, objavljeni v Monthly Notices of the Royal Astronomical Society.
Algoritem so uporabili na naboru podatkov iz Keplerja, kar je povzročilo 50 novih potrjenih planetov, od katerih je bil prvi preverjen s strojnim učenjem. Velikost teh 50 planetov je od Neptuna do planetov velikosti Zemlje, z orbitami od 200 do 1 dan.
»Namesto da bi rekli, za katere kandidate je bolj verjetno, da bodo planeti, lahko zdaj povemo, kakšna je natančna statistična verjetnost. Če je možnost, da je kandidat lažno pozitiven, manjša od 1 %, se šteje za potrjen planet," je dejal dr. David Armstrong z Oddelka za fiziko na Univerzi v Warwicku.
Ko je algoritem izdelan in usposobljen, je hitrejši od trenutnih metod in ga je mogoče popolnoma avtomatizirati, zaradi česar je idealen za analizo na tisoče potencialnih kandidatov za planete, opaženih v trenutnih raziskavah TESS.
Preberite tudi: