С помощью машинного обучения обнаружена ранее неизвестная экзопланета

Когда дело доходит до открытия новых астрономических тел, люди иногда незаменимы благодаря их навыкам обнаружения закономерностей. Но в других случаях компьютеры могут обнаруживать вещи, невидимые для людей, включая недавний случай, когда экзопланета была обнаружена с помощью машинного обучения.

Экзопланета была обнаружена исследователями из Университета Джорджии в протопланетном диске под названием HD 142666. Протопланетный диск представляет собой вращающийся диск газа, который вращается вокруг молодых звезд и из которого формируются планеты. Планеты формируются внутри этих дисков по мере того, как материя слипается до тех пор, пока в конечном итоге она не обретет достаточную гравитацию, чтобы втянуть больше материала. Исследователи изучили предыдущий набор наблюдений за целым набором протопланетных дисков и использовали модель машинного обучения для поиска экзопланет, которые мог быть пропущен в первый раз. Они определили один диск, где, вероятно, находилась планета, основываясь на необычном способе движения газа внутри диска.

Дисковые подструктуры в проекте высокого углового разрешения (DSHARP)

«Мы подтвердили наличие планеты с помощью традиционных методов, но наши модели заставили нас запустить эти симуляции и показали нам, где именно может быть планета», — сказал в своем заявлении ведущий автор Джейсон Терри. «Когда мы применили наши модели к набору более старых наблюдений, они определили диск, о котором не было известно, что есть планета, несмотря на то, что он уже был проанализирован. Как и в предыдущих открытиях, мы провели моделирование диска и обнаружили, что планета может воссоздать наблюдение».

Исследователи говорят, что это доказательство концепции, показывающей, что машинное обучение можно использовать для новых открытий экзопланет даже с данными, которые ранее были проанализированы. Это может означать, что в будущем будет больше открытий экзопланет, а открытия будут совершаться быстрее.

«Это демонстрирует, что наши модели — и машинное обучение в целом — способны быстро и точно определять важную информацию, которую люди могут пропустить. Это может значительно ускорить анализ и последующие теоретические выводы», — сказал Терри. «Потребовалось всего около часа, чтобы проанализировать весь этот каталог и найти убедительные доказательства существования новой планеты в определенном месте, поэтому мы думаем, что по мере того, как наши наборы данных станут еще больше, эти типы методов будут иметь важное значение».

Исследование опубликовано в The Astrophysical Journal .