ИИ помог астрономам подтвердить более 100 экзопланет, включая редкие миры

Астрономы из Уорикского университета подтвердили существование более 100 экзопланет, 31 из которых была открыта впервые, с помощью новой системы искусственного интеллекта. Инструмент применили к данным, собранным телескопом NASA TESS (Transiting Exoplanet Survey Satellite), который сканирует небо в поисках малейших изменений яркости звезд, вызванных прохождением планет по их диску.

Результаты исследования, опубликованные в журнале MNRAS, основаны на анализе наблюдений за более чем 2,2 миллионами звезд за первые четыре года работы TESS. Ученые сосредоточились на планетах, которые вращаются очень близко к своим звездам, совершая полный оборот менее чем за 16 дней. Такой подход позволил получить одно из самых точных на сегодняшний день измерений распространенности таких короткопериодических планет.

«Используя наш новый конвейер RAVEN, мы смогли подтвердить 118 новых планет и более 2000 высококачественных кандидатов в планеты, из которых почти 1000 являются совершенно новыми, — рассказала ведущий автор исследования доктор Марина Лафарга Магро, постдокторант Уорикского университета. — Это одна из лучших охарактеризованных выборок близких планет, которая поможет нам определить наиболее перспективные системы для дальнейшего изучения».

Среди подтвержденных планет есть несколько особенно интересных категорий. Некоторые из них являются планетами с ультракоротким периодом обращения, которые совершают оборот вокруг звезды менее чем за 24 часа. Другие относятся к так называемой «нептунианской пустыне» — области, где, согласно текущим теориям, планеты встречаются крайне редко. Исследование также выявило плотно упакованные многопланетные системы, включая ранее неизвестные пары планет, вращающиеся вокруг одной звезды.

Современные миссии по поиску планет часто отмечают тысячи возможных кандидатов, но отличить истинные сигналы от ложных остается сложной задачей. Многие ложные сигналы, такие как затменные двойные звезды, могут имитировать планеты.

«Задача заключается в том, чтобы определить, вызвано ли затемнение именно планетой, вращающейся вокруг звезды, или чем-то другим, например, затменными двойными звездами. Именно этот вопрос и пытается решить RAVEN. Его сила проистекает из тщательно созданного нами набора данных из сотен тысяч реалистично смоделированных планет и других астрофизических событий, которые могут маскироваться под планеты. Мы обучили модели машинного обучения выявлять закономерности в данных, которые могут рассказать нам о типе обнаруженного события, — то, в чем модели ИИ преуспевают», — пояснил доктор Андреас Хаджигеоргиу из Уорика, руководивший разработкой конвейера.

«Кроме того, RAVEN спроектирован так, чтобы обрабатывать весь процесс за один раз: от обнаружения сигнала до его проверки с помощью машинного обучения и статистического подтверждения. Это дает конвейеру дополнительное преимущество перед современными инструментами, которые фокусируются лишь на отдельных этапах работы», — добавил он.

Доктор Дэвид Армстронг, доцент Уорика и соавтор исследований RAVEN, отметил: «RAVEN позволяет нам анализировать огромные наборы данных последовательно и объективно. Поскольку конвейер хорошо протестирован и тщательно проверен, это не просто список потенциальных планет — он достаточно надежен, чтобы использовать его в качестве выборки для картирования распространенности различных типов планет вокруг солнцеподобных звезд».

С помощью этого тщательно проверенного набора данных исследователи смогли выйти за рамки отдельных открытий и изучить более общие закономерности. В сопутствующем исследовании в MNRAS они измерили, как часто близкие планеты встречаются вокруг солнцеподобных звезд, сопоставив результаты по орбитальным периодам и размерам планет с беспрецедентным уровнем детализации.

Результаты показывают, что около 9-10% солнцеподобных звезд имеют близкую планету. Это согласуется с более ранними выводами миссии NASA Kepler, но новый анализ снижает неопределенность в десять раз. Команда также впервые напрямую измерила, насколько редки планеты в «нептунианской пустыне», выяснив, что они встречаются лишь у 0,08% солнцеподобных звезд.

«Впервые мы можем точно определить, насколько пуста эта "пустыня", — сказал доктор Каймин Цуй, постдокторант Уорика и ведущий автор исследования популяции. — Эти измерения показывают, что TESS теперь может сравниться, а в некоторых случаях и превзойти Kepler в изучении планетных популяций».

Эти исследования подчеркивают, как достижения в области искусственного интеллекта меняют астрономию. Объединяя огромные наборы данных с машинным обучением, исследователи могут открывать новые планеты, одновременно совершенствуя сами инструменты с помощью сложных реальных данных.

Команда также опубликовала интерактивные каталоги и инструменты, чтобы другие ученые могли изучать результаты и определять перспективные цели для последующих наблюдений с помощью наземных телескопов и будущих миссий, таких как PLATO Европейского космического агентства.

RAVEN — это автоматизированная система, предназначенная для решения одной из самых больших задач астрономии: превращения огромных объемов данных космических телескопов в надежные открытия. Она сканирует данные миллионов звезд в поисках крошечных падений яркости, вызванных прохождением планет. Затем система использует искусственный интеллект, обученный на реалистичных симуляциях, для отсеивания ложных сигналов, таких как двойные звезды или шум инструментов, после чего статистически подтверждает наиболее сильных кандидатов. Важно, что RAVEN также оценивает, какие типы планет легче или труднее обнаружить, помогая исследователям корректировать скрытые искажения. Это не только ускоряет открытие новых миров, но и создает более чистые и надежные наборы данных для ответа на более масштабные вопросы о распространенности различных типов планет в галактике.