Свыше 100 новых экзопланет открыто с помощью искусственного интеллекта

Астрономы из Уорикского университета верифицировали существование более сотни экзопланет, включая 31 ранее неизвестный объект, применив технологии искусственного интеллекта. Инновационный алгоритм RAVEN (RAnking and Validation of ExoplaNets) был задействован для обработки массива данных миссии NASA TESS, отслеживающей прохождения небесных тел на фоне дисков звезд.

Исследовательская работа базируется на результатах четырехлетнего мониторинга 2,2 миллиона светил. Основное внимание ученые уделили планетам с коротким периодом обращения — менее 16 суток, — чтобы точнее оценить частоту их возникновения во Вселенной.

В основе RAVEN лежат методы машинного обучения, позволяющие дифференцировать истинные планетные сигналы от помех, вызванных, например, двойными звездными системами. Инструментарий полностью автоматизирует цепочку от первичного обнаружения до финального статистического подтверждения, значительно превосходя классические подходы по эффективности.

Иллюстрация: NASA, ESA, A. Schaller (STScI)

В перечне верифицированных миров обнаружены редкие экземпляры, располагающиеся в границах так называемой «пустыни Нептунов» — области, где присутствие подобных планет считается аномальным. Согласно полученным данным, лишь 0,08% солнцеподобных звезд обладают спутниками такого типа в непосредственной близости.

Анализ с помощью RAVEN показал, что около 9–10% звезд, подобных Солнцу, имеют планеты на тесных орбитах. Эти выводы коррелируют с показателями миссии Kepler, однако характеризуются существенно меньшей погрешностью.

Данная разработка не только способствует открытию новых миров, но и позволяет проводить комплексный демографический анализ экзопланетных популяций. Это закладывает фундамент для будущих изысканий, включая наземные наблюдения и проект ESA PLATO, нацеленный на изучение планетных транзитов и звездных осцилляций.

Для удобства научного сообщества авторы опубликовали интерактивные каталоги и вспомогательные инструменты, упрощающие выбор приоритетных целей для дальнейшего детального изучения.

 

Источник: iXBT