Как машинное обучение может помочь астрономам найти экзопланеты, похожие на Землю? Вот что недавно принятое исследование Астрономия и астрофизика надеется обратиться к команде международных исследователей, исследовавших, как можно использовать новый алгоритм на основе нейронных сетей для обнаружения экзопланет, подобных Земле, с использованием данных метода обнаружения лучевой скорости (RV). Это исследование может помочь астрономам разработать более эффективные методы обнаружения экзопланет земного типа, которые традиционно трудно идентифицировать в данных RV из-за интенсивной звездной активности родительской звезды.
В исследовании отмечается: «Машинное обучение — один из наиболее эффективных и успешных инструментов для обработки больших объемов данных в научной сфере. Было предложено множество алгоритмов, основанных на машинном обучении, для смягчения звездной активности и лучшего обнаружения планет с малой массой и/или с большим периодом существования. Эти алгоритмы можно разделить на две категории: обучение с учителем и обучение без учителя. Преимущество обучения с учителем заключается в том, что предлагаемая модель содержит большой набор переменных и способна давать относительно точные прогнозы на основе обучающих данных».
Для исследования исследователи применили свой алгоритм к трем звездам, чтобы убедиться в его способности идентифицировать экзопланеты в данных о звездной активности: наше Солнце, Альфа Центавра B (HD 128621) и Тау Кита (HD 10700), при этом Альфа Центавра B находится примерно в 4,3 световых годах от Земли, а Тау Кита находится примерно в 12 световых годах от Земли. После включения в алгоритм смоделированных планетарных сигналов исследователи обнаружили, что их алгоритм успешно идентифицировал смоделированные экзопланеты с потенциальными орбитальными периодами в диапазоне от 10 до 550 дней для нашего Солнца, от 10 до 300 дней для Альфы Центавра B и от 10 до 350 дней для Тау Кита. Важно отметить, что у Альфа Центавра B в настоящее время было обнаружено несколько потенциальных экзопланет, но они не подтверждены, в то время как у Тау Кита в настоящее время есть восемь экзопланет, перечисленных как «неподтвержденные» в ее системе.
Кроме того, алгоритм определил, что эти результаты соответствуют Альфе Центавра B и Тау Кита, потенциально имеющим экзопланеты примерно в 4 раза больше Земли, а также находящиеся в обитаемых зонах этих звезд. Вставив в алгоритм дополнительные данные о звездной активности, исследователи обнаружили, что алгоритм успешно идентифицировал смоделированную экзопланету, размер которой примерно в 2,2 раза превышает размер Земли, но вращается на том же расстоянии, что и Земля от нашего Солнца.
В выводах исследования отмечается: «В этой статье мы разработали структуру нейронной сети для эффективного смягчения звездной активности на спектральном уровне, чтобы улучшить обнаружение планет с малой массой в периоды от нескольких дней до нескольких сотен дней». соответствует обитаемой зоне звезд солнечного типа».
Хотя исследование было сосредоточено на поиске экзопланет, подобных Земле, в данных RV, исследователи отмечают, что дополнительные данные, включая время прохождения, фазу и космическую фотометрию, могут быть использованы для идентификации экзопланет, подобных Земле. Они подчеркивают, что этого может достичь космический телескоп PLATO Европейского космического агентства, который в настоящее время разрабатывается и планируется к запуску где-то в 2026 году. После запуска он будет размещен на орбите Солнце-Земля L.2 Точка Лагранжа, расположенная на противоположной стороне Земли от Солнца, где сканирует до миллиона звезд в поисках экзопланет транзитным методом с акцентом на земные (скалистые) экзопланеты.
Это исследование проводится в связи с тем, что на момент написания этой статьи число подтвержденных экзопланет НАСА достигло 5632, что включает 201 экзопланету земной группы, а также предоставляет предстоящей миссии PLATO широкие возможности для обнаружения еще многих экзопланет земной группы в нашей Галактике Млечный Путь.
Как машинное обучение поможет астрономам обнаружить экзопланеты, подобные Земле, в ближайшие годы и десятилетия? Только время покажет, и именно поэтому мы занимаемся наукой!
Как всегда, продолжайте заниматься наукой и продолжайте искать!
