Kako mašinsko učenje može pomoći astronomima da pronađu egzoplanete slične Zemlji? Ovo je ono čemu se nova studija nada da će se pozabaviti dok je tim međunarodnih istraživača istraživao kako bi se novi algoritam zasnovan na neuronskoj mreži mogao koristiti za otkrivanje egzoplaneta sličnih Zemlji koristeći podatke iz metode detekcije radijalne brzine (RV).
Ova studija ima potencijal da pomogne astronomima da razviju efikasnije metode u otkrivanju egzoplaneta sličnih Zemlji, koje je tradicionalno teško identifikovati u RV podacima zbog intenzivne zvezdane aktivnosti zvezde domaćina. Studija je objavljena na arXiv serveru za preprint.
Studija napominje: „Mašinsko učenje je jedan od najefikasnijih i najefikasnijih alata za rukovanje velikim količinama podataka u naučnoj oblasti. Predloženi su mnogi algoritmi zasnovani na mašinskom učenju za ublažavanje zvezdane aktivnosti kako bi se bolje otkrile male mase i/ili duge period planeta Ovi algoritmi se mogu klasifikovati u dve kategorije: učenje pod nadzorom i učenje bez nadzora je u tome što predloženi model sadrži veliki skup varijabli i ima mogućnost da proizvede relativno tačna predviđanja na osnovu podataka o obuci.
Za studiju, istraživači su primenili svoj algoritam na tri zvezde kako bi utvrdili njegovu sposobnost da identifikuje egzoplanete u podacima o zvezdanoj aktivnosti: naše sunce, Alfa Centauri B (HD 128621) i Tau ceti (HD 10700), sa Alfa Kentauri B. otprilike 4,3 svetlosne godine od Zemlje i Tau ceti koji se nalazi otprilike 12 svetlosnih godina od Zemlje.
Nakon umetanja simuliranih planetarnih signala u algoritam, istraživači su otkrili da je njihov algoritam uspešno identifikovao simulirane egzoplanete sa potencijalnim orbitalnim periodima u rasponu od 10 do 550 dana za naše sunce, 10 do 300 dana za Alpha Centauri B i 10 do 350 dana za Tauceti.
Važno je napomenuti da je Alfa Centauri B trenutno imala nekoliko potencijalnih detekcija egzoplaneta, ali nijedno nije potvrđeno, dok Tau ceti trenutno ima osam egzoplaneta navedenih kao „nepotvrđenih“ u svom sistemu.
Pored toga, algoritam je identifikovao da ovi rezultati odgovaraju Alfa Centauri B i Tau cetiju koji potencijalno imaju egzoplanete približno četiri puta veće od Zemlje i takođe unutar naseljivih zona tih zvezda. Nakon umetanja više podataka o zvezdanoj aktivnosti u algoritam, istraživači su otkrili da je algoritam uspešno identifikovao simuliranu egzoplanetu približno 2,2 puta veću od Zemlje dok kruži na istoj udaljenosti kao Zemlja od našeg sunca.
Studija je u svojim zaključcima navela: „U ovom radu razvili smo okvir neuronske mreže za efikasno ublažavanje aktivnosti zvezda na spektralnom nivou, kako bismo poboljšali detekciju planeta male mase u periodima od nekoliko dana do nekoliko stotina dana, što odgovara nastanjivoj zoni zvezda solarnog tipa.“
Dok se studija fokusirala na pronalaženje egzoplaneta sličnih Zemlji u RV podacima, istraživači napominju da bi se dodatni podaci, uključujući vreme tranzita, fazu i fotometriju zasnovanu na svemiru, mogli koristiti za identifikaciju egzoplaneta sličnih Zemlji.
Oni naglašavaju da bi misija svemirskog teleskopa PLATO Evropske svemirske agencije to mogla da postigne, koji je trenutno u razvoju i planiran za lansiranje negde 2026. Po lansiranju, biće stacioniran u tački Sunce-Zemlja L2 Lagrange koja se nalazi na suprotnoj strani Zemlje od sunca gde će skenirati do milion zvezda tražeći egzoplanete koristeći tranzitni metod sa naglaskom na zemaljske (stenovite) egzoplanete.
Ova studija dolazi pošto je broj potvrđenih egzoplaneta od strane NASA-e dostigao 5.632 od ovog pisanja, što se sastoji od 201 zemaljske egzoplanete, a takođe pruža predstojećoj misiji PLATO široku priliku da otkrije mnogo više zemaljskih egzoplaneta u našoj galaksiji Mlečni put.
