50 новых экзопланет были подтверждены с помощью машинного обучения

Ученые из Университета Уорика разработали алгоритм подтверждения экзопланет, который может значительно ускорить процесс обработки данных обсерваторий, которые ищут планеты транзитным методом. Впервые астрономы использовали процедуру, основанную на машинном обучении – компьютер анализировал выборку из кандидатов в экзопланеты, отсеивая ложные срабатывания. Также в работе анализировались разные методы проверки кандидатов в планеты.

Телескопы-охотники за экзопланетами, такие как завершивший работу Kepler или работающий ныне TESS, собирают огромное количество данных по вероятным транзитам планет на фоне звезд. Много времени и ресурсов уходит на то, чтобы подтвердить с помощью других телескопов и методов, что речь идет о реальных экзопланетах, а не о ложных срабатываниях.

Поэтому в Университете Уорика был создал алгоритм, основанный на машинном обучении, который может отделять реальные планеты от ошибок.

Он был обучен распознавать настоящие планеты на двух больших выборках подтвержденных экзопланет и ложных срабатываний из базы данных Kepler. Затем алгоритм применили на наборе данных с еще не подтвержденными кандидатами в планеты от Kepler. Так удалось подтвердить 50 новых экзопланет. Они варьируются от миров размером с Нептун до миров меньше Земли с орбитальными периодами от двухсот до одного дня.

Подтвердив эти 50 планет, ученые смогут использовать алгоритм для других неподтвержденных данных, в частности собираемых TESS, которая собирает еще большие объемы информации, исследуя значительные пространства неба. Причем в процессе подтверждения новых планет алгоритм будет обучаться еще качественнее, выдавая более точные результаты с каждой итерацией.