Αστρονόμοι του University of Warwick επιβεβαίωσαν περισσότερους από 100 εξωπλανήτες, ανάμεσά τους 31 νεοαναγνωρισμένους κόσμους, χρησιμοποιώντας ένα νέο σύστημα τεχνητής νοημοσύνης. Εφάρμοσαν το εργαλείο σε δεδομένα του Transiting Exoplanet Survey Satellite (TESS) της NASA, της αποστολής που αναζητά μικρές πτώσεις στη λάμψη άστρων όταν ένας πλανήτης διέρχεται μπροστά από τον αστέρα του.
Τα ευρήματα, που δημοσιεύθηκαν στο MNRAS, βασίζονται σε ανάλυση παρατηρήσεων από περισσότερα από 2,2 εκατ. άστρα κατά τα πρώτα τέσσερα χρόνια του TESS. Οι ερευνητές επικεντρώθηκαν σε πλανήτες πολύ κοντά στα άστρα τους, που ολοκληρώνουν τροχιές σε λιγότερες από 16 ημέρες. Η προσέγγιση αυτή παρήγαγε μία από τις ακριβέστερες έως τώρα εκτιμήσεις για το πόσο συχνοί είναι οι πλανήτες μικρής περιόδου.
«Χρησιμοποιώντας το νέο μας pipeline RAVEN, μπορέσαμε να επικυρώσουμε 118 νέους πλανήτες και πάνω από 2.000 υποψήφιους υψηλής ποιότητας, σχεδόν 1.000 από αυτούς εντελώς νέους», δήλωσε η πρώτη συγγραφέας Dr. Marina Lafarga Magro, μεταδιδακτορική ερευνήτρια στο University of Warwick. «Αυτό αποτελεί ένα από τα καλύτερα χαρακτηρισμένα δείγματα κοντινών πλανητών και θα μας βοηθήσει να εντοπίσουμε τα πιο υποσχόμενα συστήματα για μελλοντική μελέτη.»
Σπάνιοι και ακραίοι τύποι πλανητών εντοπίστηκαν ανάμεσα στους νέους επιβεβαιωμένους κόσμους. Κάποιοι είναι υπερ-βραχείας περιόδου, με τροχιές κάτω από 24 ώρες. Άλλοι ανήκουν στη λεγόμενη «Neptunian desert», μια περιοχή όπου, βάσει των τρεχουσών θεωριών, αναμένονται ελάχιστοι πλανήτες. Η μελέτη αποκάλυψε επίσης συμπαγή πολυπλανητικά συστήματα, περιλαμβανομένων άγνωστων έως τώρα ζευγών πλανητών γύρω από το ίδιο άστρο.
Οι σύγχρονες αποστολές αναζήτησης πλανητών καταγράφουν χιλιάδες πιθανά σήματα, αλλά ο διαχωρισμός των γνήσιων από τα ψευδή παραμένει δύσκολος. Πολλά φαινόμενα, όπως τα εκλειπτικά διπλά άστρα, μπορούν να μιμηθούν έναν πλανήτη.
«Η πρόκληση είναι να εντοπίσουμε αν η μείωση της λαμπρότητας οφείλεται πράγματι σε πλανήτη σε τροχιά γύρω από το άστρο ή σε κάτι άλλο, όπως εκλειπτικά διπλά άστρα — σε αυτό απαντά το RAVEN. Η δύναμή του προέρχεται από το προσεκτικά δημιουργημένο μας σύνολο δεδομένων με εκατοντάδες χιλιάδες ρεαλιστικά προσομοιωμένους πλανήτες και άλλα αστροφυσικά γεγονότα που μπορούν να μεταμφιεστούν σε πλανήτες. Εκπαιδεύσαμε μοντέλα μηχανικής μάθησης να αναγνωρίζουν πρότυπα στα δεδομένα που αποκαλύπτουν το είδος του γεγονότος που ανιχνεύσαμε, κάτι στο οποίο τα μοντέλα τεχνητής νοημοσύνης υπερέχουν», είπε ο Dr. Andreas Hadjigeorghiou του Warwick, που ηγήθηκε της ανάπτυξης του pipeline.
«Επιπλέον, το RAVEN έχει σχεδιαστεί να χειρίζεται ολόκληρη τη διαδικασία από άκρη σε άκρη: από την ανίχνευση του σήματος, στον έλεγχο με μηχανική μάθηση και στη στατιστική επικύρωση. Αυτό δίνει στο pipeline ένα επιπλέον πλεονέκτημα έναντι σύγχρονων εργαλείων που εστιάζουν μόνο σε επιμέρους στάδια της ροής εργασίας.»
Ο Dr. David Armstrong, αναπληρωτής καθηγητής στο Warwick και ανώτερος συν-συγγραφέας των μελετών για το RAVEN, πρόσθεσε: «Το RAVEN μας επιτρέπει να αναλύουμε τεράστια σύνολα δεδομένων με συνέπεια και αντικειμενικότητα. Επειδή το pipeline είναι καλά δοκιμασμένο και προσεκτικά επικυρωμένο, δεν πρόκειται απλώς για μια λίστα πιθανών πλανητών — είναι αρκετά αξιόπιστο ώστε να χρησιμοποιηθεί ως δείγμα για τη χαρτογράφηση της συχνότητας διαφορετικών τύπων πλανητών γύρω από άστρα παρόμοια με τον Ήλιο.»
Με το επικυρωμένο αυτό σύνολο δεδομένων, οι ερευνητές προχώρησαν πέρα από τις μεμονωμένες ανακαλύψεις και εξέτασαν ευρύτερα πρότυπα. Σε συνοδευτική μελέτη στο MNRAS, μέτρησαν πόσο συχνά εμφανίζονται κοντινοί πλανήτες γύρω από άστρα τύπου Ήλιου, χαρτογραφώντας τα αποτελέσματα ως προς την περίοδο τροχιάς και το μέγεθος πλανήτη με πρωτοφανή λεπτομέρεια.
Τα αποτελέσματα δείχνουν ότι περίπου το 9-10% των άστρων τύπου Ήλιου φιλοξενούν έναν κοντινό πλανήτη. Αυτό συνάδει με παλαιότερα ευρήματα της αποστολής Kepler της NASA, αλλά η νέα ανάλυση μειώνει τις αβεβαιότητες έως και κατά έναν παράγοντα δέκα.
Η ομάδα πραγματοποίησε επίσης την πρώτη άμεση μέτρηση της σπανιότητας των πλανητών στη «Neptunian desert», διαπιστώνοντας ότι εμφανίζονται μόλις γύρω από το 0,08% των άστρων τύπου Ήλιου.
«Για πρώτη φορά μπορούμε να δώσουμε ακριβή αριθμό για το πόσο “άδενη” είναι αυτή η ‘έρημος’», είπε ο Dr. Kaiming Cui, μεταδιδακτορικός ερευνητής στο Warwick και πρώτος συγγραφέας της μελέτης πληθυσμού. «Οι μετρήσεις δείχνουν ότι το TESS μπορεί πλέον να ανταγωνιστεί, και σε ορισμένες περιπτώσεις να ξεπεράσει, το Kepler στη μελέτη πληθυσμών πλανητών.»
Μαζί, οι μελέτες αναδεικνύουν πώς οι εξελίξεις στην τεχνητή νοημοσύνη μεταμορφώνουν την αστρονομία. Συνδυάζοντας τεράστια σύνολα δεδομένων με μηχανική μάθηση, οι ερευνητές εντοπίζουν νέους πλανήτες και ταυτόχρονα βελτιώνουν τα ίδια τα εργαλεία μέσα από απαιτητικά πραγματικά δεδομένα.
Η ομάδα έχει δημοσιεύσει διαδραστικούς καταλόγους και εργαλεία ώστε άλλοι επιστήμονες να εξερευνήσουν τα αποτελέσματα και να εντοπίσουν υποψήφιους στόχους για παρατηρήσεις με επίγεια τηλεσκόπια και μελλοντικές αποστολές όπως το PLATO του ESA.
Το RAVEN είναι ένα αυτοματοποιημένο σύστημα που αντιμετωπίζει μία από τις μεγαλύτερες προκλήσεις της αστρονομίας: τη μετατροπή τεράστιων όγκων δεδομένων διαστημικών τηλεσκοπίων σε αξιόπιστες ανακαλύψεις. Σαρώνει δεδομένα από εκατομμύρια άστρα για να βρει μικροσκοπικές πτώσεις φωτεινότητας όταν πλανήτες περνούν μπροστά τους. Στη συνέχεια χρησιμοποιεί τεχνητή νοημοσύνη εκπαιδευμένη σε ρεαλιστικές προσομοιώσεις για να απορρίπτει ψευδή σήματα, όπως διπλά άστρα ή θόρυβο οργάνων, πριν επικυρώσει στατιστικά τους ισχυρότερους υποψήφιους.
Σημαντικό είναι ότι το RAVEN αξιολογεί και ποιους τύπους πλανητών εντοπίζουμε ευκολότερα ή δυσκολότερα, βοηθώντας τους ερευνητές να διορθώσουν κρυφές μεροληψίες. Έτσι, όχι μόνο επιταχύνει την ανακάλυψη νέων κόσμων, αλλά παράγει και καθαρότερα, πιο αξιόπιστα σύνολα δεδομένων, ικανά να απαντήσουν σε ευρύτερα ερωτήματα για το πόσο συχνοί είναι διαφορετικοί τύποι πλανητών στον γαλαξία.
Υλικό: University of Warwick. Σημείωση: Το περιεχόμενο μπορεί να έχει επιμεληθεί για λόγους ύφους και έκτασης.
