Астрономи виявили понад 100 нових світів за межами Сонячної системи, які раніше залишалися непоміченими у масивах даних, зібраних космічним апаратом NASA TESS. Ключову роль у цьому відкритті відіграв AI. Крім того, застосована методика дозволила визначити ще близько 2000 потенційних екзопланет, приблизно половина з яких раніше не була ідентифікована.
Щоб дізнатись останні новини, слідкуйте за нашим каналом Google News онлайн або через застосунок.
З огляду на те, що наразі в каталозі екзопланет NASA налічується близько 6000 підтверджених об’єктів, підтвердження нових кандидатів може суттєво розширити наше розуміння планет навколо інших зірок. Основою цього прориву стала інноваційна AI-система під назвою RAVEN, створена науковцями з Університету Ворика у Великій Британії.
TESS виявляє екзопланети, фіксуючи незначні зменшення яскравості зірок у момент, коли планета проходить перед їх диском – цей процес називають транзитом. Алгоритм RAVEN проаналізував спостереження понад 2,2 млн зірок, зосередившись на планетах, що обертаються настільки близько до своїх зірок, що завершують повний оберт лише за 16 земних днів. Такий підхід допомагає краще зрозуміти, наскільки поширеними є подібні системи та в яких умовах вони найчастіше формуються.
Вчені зазначили, що отримані результати формують одну з найточніше описаних вибірок планет з близькими орбітами, що відкриває нові можливості для визначення найперспективніших об’єктів для подальших досліджень.
Від часу відкриття перших екзопланет їхня кількість у наукових каталогах перевищила 6000, однак тисячі кандидатів, зафіксованих місіями TESS, Kepler і CHEOPS, досі залишаються непідтвердженими. Спочатку вченим необхідно точно встановити, чим спричинені коливання яскравості. Прискорення та підвищення точності підтвердження таких сигналів є одним з викликів для сучасної астрономії. Основне завдання полягає у відокремленні справжніх планетних транзитів від інших астрофізичних явищ. Сила системи полягає у використанні великої навчальної вибірки, яка включає сотні тисяч змодельованих планет і подій, що можуть імітувати їхню присутність.
Команда навчила моделі машинного навчання розпізнавати характерні закономірності у даних, що дозволяє визначати природу зафіксованого сигналу – саме те, у чому AI демонструє високу ефективність. Система RAVEN охоплює весь процес виявлення екзопланет: від пошуку сигналів до їх перевірки за допомогою машинного навчання і статистичного підтвердження. Це дає їй перевагу над іншими інструментами, які зазвичай виконують лише окремі етапи цього процесу.
Дослідник Девід Армстронг наголосив, що RAVEN дозволяє аналізувати величезні обсяги даних послідовно й об’єктивно. Завдяки ретельній перевірці алгоритму результати можна використовувати не лише як перелік потенційних планет, а й як основу для вивчення поширеності різних типів планет у системах, подібних до Сонця.
Серед виявлених кандидатів ученим вдалося детально визначити типи планет та їхню частоту. Зокрема, з’ясувалося, що приблизно 10% сонцеподібних зірок мають планети з близькими орбітами, що підтверджує результати, отримані раніше місією Kepler. Окрім цього, RAVEN допоміг встановити, наскільки рідкісними є планети розміром з Нептун на близьких орбітах. Виявилося, що вони трапляються лише приблизно у 0,08% систем із сонцеподібними зірками.
Нові результати демонструють, що TESS уже здатен не лише зрівнятися з Kepler у дослідженні популяцій планет, а в окремих випадках навіть перевершити його. Крім того, результати показують потенціал AI для аналізу масштабних астрономічних даних і виявлення тонких сигналів, які раніше залишалися непоміченими.
Читайте також:
- Український науково-фантастичний фільм «Ти – Космос» вийшов на Netflix
- Станція Gateway відкладається: NASA хоче побудувати базу на Місяці за $20 млрд