Warwick Fizik ve Bilgisayar Bilimleri Departmanından ve Alan Turing Enstitüsünden araştırmacılar, potansiyel dış gezegenlerin bir örneğini analiz etmek ve hangilerinin gerçek, hangilerinin "sahte" veya yanlış pozitif olduğunu belirlemek için makine öğrenimine dayalı bir algoritma oluşturdular. Gezegen veri setleri, NASA'nın Kepler ve TESS gibi misyonları tarafından bulundu. Sonuçlar, Royal Astronomical Society'nin Aylık Bildirimlerinde yayınlanan yeni bir çalışmada sunulmaktadır.
Algoritmayı Kepler'den bir veri kümesinde kullandılar ve ilki makine öğrenimi kullanılarak doğrulanan 50 yeni onaylanmış gezegenle sonuçlandı. Bu 50 gezegenin boyutları Neptün'den Dünya büyüklüğündeki gezegenlere kadar değişir ve yörüngeleri 200 ila 1 gün arasındadır.
"Hangi adayların gezegen olma olasılığının daha yüksek olduğunu söylemek yerine, artık istatistiksel olasılığın tam olarak ne olduğunu söyleyebiliriz. Warwick Üniversitesi Fizik Bölümü'nden Dr David Armstrong, "Bir adayın yanlış pozitif olma şansı %1'den azsa, doğrulanmış bir gezegen olarak kabul edilir" dedi.
Oluşturulduktan ve eğitildikten sonra, algoritma mevcut yöntemlerden daha hızlıdır ve tamamen otomatikleştirilebilir, bu da onu mevcut TESS araştırmalarında gözlemlenen binlerce potansiyel gezegen adayını analiz etmek için ideal hale getirir.
Ayrıca okuyun: