Fünfzig potenzielle Planeten wurden mit Hilfe eines neuen Algorithmus für maschinelles Lernen bestätigt, der von Wissenschaftlern der University of Warwick entwickelt wurde, laut aneue Studie veröffentlicht im Monatliche Mitteilungen der Royal Astronomical Society.
VERBUNDEN: LOHNT ES SICH? DIE KOSTEN UND VORTEILE DER RAUMERKLÄRUNG
Maschinelles Lernen bestätigt 50 neue Planeten
Astronomen verwendeten einen Prozess, der auf maschinellem Lernen einer Art künstlicher Intelligenz basiert, um eine Stichprobe potenzieller Planeten zu analysieren und zu erkennen, welche echt oder „gefälscht“ oder falsch positiv waren – zum ersten Mal.
Die Ergebnisse des Teams wurden in der neuen Studie veröffentlicht, in der auch der erste groß angelegte Vergleich und Kontrast von neuartigen Planetenvalidierungstechniken durchgeführt wurde. Dazu gehört der neu angewendete maschinelle Lernalgorithmus, der zur statistischen Bestätigung der Zukunft verwendet werden wirdEntdeckungen von Exoplaneten.
Normalerweise durchsuchen Exoplaneten-Durchmusterungen riesige Datenmengen, die über Teleskope gesammelt wurden, nach Anzeichen von Planeten, die sich zwischen der Erde und ihrem Wirtsstern bewegen – in einem Prozess namens im Übergang. Wenn es passiert, nimmt die Lichtintensität des Sterns bis zu einem Grad ab, den Teleskope aufnehmen, aber die Einbrüche können auch in Doppelsternsystemen, Hintergrundstörungen oder sogar Kamerafehlern auftreten. Zusammengenommen erfordern diese potenziellen Störquellen eineMittel zur Unterscheidung echter von "gefälschten" Exoplaneten-Indikationen.
Maschinelles Lernen trainieren, um nach Exoplaneten zu suchen
Aus diesem Grund haben Forscher der Warwick-Abteilungen für Physik und Informatik zusammen mit dem Alan Turing Institute einen auf maschinellem Lernen basierenden Algorithmus entwickelt, der in der Lage ist, echte Planeten von gefälschten in großen, tausend Kandidatenproben zu unterscheiden, die während Teleskopmissionen identifiziert wurden wieNASAs TESS und Kepler, gemäß zu phys.org.
Die Machine-Learning-Methode wurde trainiert, um reale Planeten mit Hilfe von zwei großen Stichproben bestätigter Planeten und falscher positiver Ergebnisse aus der korrekt zu identifizieren. jetzt nicht mehr existierend Kepler-Mission. Dann setzten die Forscher den Algorithmus auf einen neuen Datensatz von einst unbestätigten Planetenkandidaten ein, die über Kepler gesammelt wurden. Die Ergebnisse enthüllten 50 neue bestätigte Planeten – die erste Validierung durch maschinelles Lernen.
Frühere Techniken des maschinellen Lernens haben Planetenkandidaten in geeigneter Weise eingestuft, waren jedoch nie in der Lage, die Wahrscheinlichkeit zu unterscheiden, dass ein Kandidat ohne Hilfe tatsächlich ein Planet war – was der Hauptzweck der Planetenvalidierung ist.
Die 50 neuen Planeten reichen vom Typus von der Größe von Neptun bis zum aufregenden Potenzial erdähnlicher Skalen, mit Umlaufbahnen von bis zu 200 Tagen und nur einem einzigen Tag. Jetzt im Besitz des Wissens, dass die 50 Planetenkandidaten sindkeine Fälschungen, Astronomen können die laufenden Beobachtungen der neu entdeckten Exoplaneten über engagierte Teleskope vorantreiben.
Maschinelles Lernen beschleunigt die Exoplaneten-Validierung
Professor David Armstrong vom Fachbereich Physik der University of Warwick sagte: „Mit dem von uns entwickelten Algorithmus können wir 50 Kandidaten über die Schwelle zur Planetenvalidierung bringen und sie zu echten Planeten aufwerten. Wir hoffen, diese Technik auf große Stichproben von Kandidaten anwenden zu könnenaus aktuellen und zukünftigen Missionen wie TESS und PLATO. In Bezug auf die Planetenvalidierung hat noch niemand eine maschinelle Lerntechnik verwendet."
"Maschinelles Lernen wurde verwendet, um planetare Kandidaten zu bewerten, aber nie in einem probabilistischen Rahmen, was man braucht, um einen Planeten wirklich zu validieren", fügte er hinzu. "Anstatt zu sagen, welche Kandidaten eher Planeten sind, können wir jetztsagen Sie, was die genaue statistische Wahrscheinlichkeit ist. Wenn eine Wahrscheinlichkeit von weniger als 1 %, dass ein Kandidat falsch positiv ist, als validierter Planet gilt."
Als neue Suite weltraumgestützter Teleskopebeginnt MissionenUm neue Welten zu finden, die möglicherweise neue Zivilisationen beherbergen, können wir sicher sein, dass viele, wenn nicht die meisten Planeten, die als mehr als nur irrtümliches kosmisches Rauschen bestätigt wurden, ihre Bestätigung durch maschinelles Lernen erhalten.