Przystanek nauka - portal Uniwesytetu Śląskiego w Katowicach

Jak badacze odkryli tak dużą liczbę planet naraz? Odpowiedź leży w nowej metodzie – głębokiej sieci neuronowej ExoMiner. Głębokie sieci neuronowe to metody uczenia maszynowego, które po otrzymaniu wystarczającej ilości danych automatycznie uczą się zadania. ExoMiner to nowa głęboka sieć neuronowa, która wykorzystuje superkomputer NASA o nazwie Pleiades i może odróżnić prawdziwe egzoplanety od różnego typu „oszustów” lub „fałszywych alarmów”. Inaczej mówiąc, uczy się, korzystając z potwierdzonych wcześniej egzoplanet i przypadków fałszywie pozytywnych.

Dane zebrane zostały przez Kosmiczny Teleskop Keplera podczas misji K2. W przypadku misji takich jak ta Keplera – z tysiącami gwiazd w polu widzenia, z których każda może posiadać wiele potencjalnych egzoplanet – przeglądanie ogromnych zbiorów danych jest niezwykle czasochłonnym zadaniem. ExoMiner rozwiązuje ten problem.

W przeciwieństwie do innych programów uczenia maszynowego do wykrywania egzoplanet, ExoMiner jest w stanie łatwo stwierdzić, które cechy obiektu wśród zebranych danych skłaniają do potwierdzenia istnienia planety (lub jego zanegowania). Jaka jest różnica między potwierdzoną a zwalidowaną egzoplanetą? To niuans, który trudno jest oddać w języku polskim. Planeta jest „potwierdzona”, gdy różne techniki obserwacji ujawniają cechy, które mogą być wyjaśnione tylko poprzez to, że jakiś obiekt jest planetą. Planeta może być również „zwalidowana” za pomocą statystyk – na podstawie danych określa się stopień prawdopodobieństwa bycia planetą.

W artykule opublikowanym w „Astrophysical Journal” Ames Research Center (zespół naukowców w NASA zajmujących się badaniem egzoplanet) pokazuje, w jaki sposób ExoMiner odkrył 301 planet przy użyciu danych z pozostałego zestawu możliwych planet – lub kandydatów – w archiwum Keplera. Wszystkie 301 planet zatwierdzonych przez maszyny zostały pierwotnie wykryte przez Kepler Science Operations Center, jednostkę promującą dany obiekt do statusu kandydata na planetę przez Kepler Science Office. Zanim jednak skorzystano z ExoMiner naukowcy nie byli w stanie potwierdzić ich jako planet.

Artykuł pokazuje również, w jaki sposób ExoMiner jest bardziej precyzyjny i spójny w wykluczaniu fałszywych trafień i lepiej potrafi ujawniać prawdziwe sygnały planet krążących wokół swoich gwiazd macierzystych – wszystko to daje jednocześnie naukowcom możliwość szczegółowego zobaczenia, co doprowadziło ExoMiner do takiego wniosku.

– Kiedy ExoMiner mówi, że coś jest planetą, można być pewnym, że to planeta – mówi Hamed Valizadegan, kierownik projektu ExoMiner i menedżer ds. uczenia maszynowego w Universities Space Research Association w Ames Research Centers. – ExoMiner jest bardzo dokładny i pod pewnymi względami bardziej niezawodny niż istniejące klasyfikatory maszynowe, jak i sami eksperci, których ma naśladować.

Naukowcy uważają, że żadna z nowo potwierdzonych planet nie jest podobna do Ziemi, ani nie znajduje się w strefie nadającej się do zamieszkania swoich gwiazd macierzystych. Mają jednak podobne cechy do całej populacji potwierdzonych egzoplanet w naszym galaktycznym sąsiedztwie.

Dalej trwają poszukiwania kolejnych egzoplanet w ramach misji wykorzystujących fotometrię tranzytową, takich jak Transiting Exoplanet Survey Satellite (TESS) oraz nadchodzącej misji Europejskiej Agencji Kosmicznej PLAnetary Transits and Oscillations of stars (PLATO). Przed ExoMiner zatem sporo pracy. 

Opracowano na podstawie:
New Deep Learning Method Adds 301 Planets to Kepler's Total Count