Где найти следующую Землю: машинное обучение ускоряет поиск пригодных для жизни планет

Представление 16 систем с ELP (слева) и 16 систем без ELP (справа) на диаграмме большая полуось–масса планеты. Синие точки представляют «обнаруживаемые» планеты, а желтые точки — «необнаруживаемые» планеты. Автор: Astronomy & Astrophysics (2025). DOI: 10.1051/0004-6361/202452434

Команда из Университета Берна и Национального центра компетенции в исследованиях (NCCR) PlanetS разработала модель машинного обучения, которая предсказывает потенциальные планетные системы с планетами, похожими на Землю. Модель может значительно ускорить и, таким образом, произвести революцию в будущем поиске пригодных для жизни планет во Вселенной.

Поиск экзопланет, подобных Земле, — планет, вращающихся вокруг звезд, отличных от нашего Солнца, — является центральной темой современных планетарных исследований, поскольку там с наибольшей вероятностью можно обнаружить внеземную жизнь. Исследователи из Бернского университета разработали инновационную модель машинного обучения, которая определяет планетные системы, которые потенциально могут содержать планеты, подобные Земле.

Вся команда, стоящая за результатами, связана или была связана на момент исследования с Бернским университетом и членом NCCR PlanetS. Первый автор, доктор Жанна Даву, которая в настоящее время является постдокторантом в DLR (Deutsches Zentrum für Luft- und Raumfahrt) в Берлине, изучает популяции экзопланет и разработала модель в рамках своей докторской диссертации в Отделении космических исследований и планетарных наук (WP) Физического института Бернского университета.

Профессор, доктор Янн Алиберт, содиректор Центра космоса и обитаемости (CSH), и Ромен Эльчингер, также аспирант CSH, внесли значительный вклад в исследование, которое только что было опубликованов журнале Astronomy & Astrophysics.

Обучение с использованием данных из модели Берна

Модель машинного обучения — это статистический инструмент, который обучается с помощью данных распознавать определенные типы шаблонов и делать прогнозы. Доктор Даву объясняет: «Наша модель основана на алгоритме, который я разработал и который был обучен распознавать и классифицировать планетные системы, в которых находятся планеты земного типа».

Модель основана на предыдущих исследованиях и позволяет сделать вывод о корреляции между наличием или отсутствием планеты, похожей на Землю, и свойствами ее системы.

Алгоритм был обучен и протестирован с использованием данных из так называемой модели Берна по формированию и эволюции планет. «Модель Берна можно использовать для утверждения о том, как образовались планеты, как они эволюционировали и какие типы планет развиваются при определенных условиях в протопланетном диске», — объясняет соавтор доктор Алиберт.

С 2003 года Бернская модель непрерывно развивается в Бернском университете. «Бернская модель — одна из немногих моделей в мире, которая предлагает такое богатство взаимосвязанных физических процессов и позволяет проводить исследования, подобные текущему», — продолжает доктор Алиберт.

99% точность новой модели

Алгоритм новой модели машинного обучения был обучен и протестирован с использованием данных о синтетических планетных системах из модели Берна. «Результаты впечатляют: алгоритм достигает значений точности до 0,99, что означает, что 99% систем, идентифицированных моделью машинного обучения, имеют по крайней мере одну планету, похожую на Землю», — говорит доктор Даву.

Затем модель была применена к реально наблюдаемым планетным системам. «Модель выявила 44 системы, которые с высокой вероятностью содержат необнаруженные планеты земного типа. Дальнейшее исследование подтвердило теоретическую возможность того, что эти системы могут содержать планету земного типа», — объясняет доктор Даву.

Более эффективный поиск пригодных для жизни планет

В рамках своей магистерской диссертации Эльчингер, соавтор исследования, внес вклад в дальнейшее развитие модели машинного обучения, что позволило использовать ее в еще более широком спектре сценариев.

Он говорит: «Эти результаты важны для научного сообщества и особенно для будущих космических миссий, таких как PLATO, или будущих концепций миссий, таких как LIFE, которые будут посвящены открытию и описанию малых холодных планет».

Использование этой модели машинного обучения для более специфического поиска планет, подобных Земле, может минимизировать время поиска и максимизировать количество открытий. «Это значительный шаг в поиске планет с условиями, благоприятными для жизни, и, в конечном счете, в поиске жизни во Вселенной», — заключает доктор Алиберт.

Больше информации: Jeanne Davoult et al, Earth-like planet predictor: A machine learning approach, Astronomy & Astrophysics (2025). DOI: 10.1051/0004-6361/202452434

Источник: University of Bern