Tim iz Princetona, predvođen Joshua Rothom, iskoristio je napredne AI tehnike da iz podataka TESS teleskopa identifikuje više od 10.000 kandidata za egzoplanete. Mašinsko učenje smanjilo je broj svetlosnih krivih sa oko 80 miliona na ~2,5 miliona, značajno ubrzavši proveru. Većina kandidata su gasoviti divovi, ali u setu se nalaze i stotine manjih tela, među kojima i oko 11 potencijalnih super-Zemalja. Tim planira uvođenje konvolucionih neuronskih mreža, a buduće misije poput PLATO, Roman i Gaia očekivano će dodatno povećati broj otkrića.
Superbrzi AI Otkriva Preko 10.000 Kandidata Za Egzoplanete Iz TESS Podataka

Američki tim astronoma predvođen doktorandom Joshua Rothom sa Univerziteta Princeton iskoristio je napredne metode veštačke inteligencije za analizu podataka sa svemirskog teleskopa TESS i identifikovao više od 10.000 kandidata za egzoplanete. Otkriće obuhvata širok spektar tela — od masivnih gasovitih divova do manjih kandidata koji bi mogli biti sličniji Zemlji.
Ukratko o radu: Tim je rezultate izložio u radu pod naslovom "The T16 Planet Hunt: 10,000 New Planet Candidates from TESS Cycle 1." Analiza je zasnovana na obradi oko 80 miliona svetlosnih krivih izvedenih iz TESS snimaka.
Metodologija i uloga AI
Nakon konverzije TESS snimaka u svetlosne krive — grafikone koji prate promene osvetljenja zvezda usled mogućih tranzita planeta — tim je primenio niz algoritama za automatsku selekciju kandidata. Među alatima su bili Cambridge Exoplanet Transit Recovery Algorithm i Random Forest modeli, koji su iz prvobitnih ~80 miliona krivih izdvojili oko 2,5 miliona najboljih kandidata.
"Bez koraka mašinskog učenja ova pretraga ne bi bila izvodljiva," kaže Roth, objašnjavajući da je ručna verifikacija 50.000 kandidata timu oduzela oko šest nedelja, dok bi bez ML koraka sličan posao trajao procenjeno više od 3,5 godine.
Rezultati
Prema Rothu, među otkrivenim kandidatima dominiraju gasoviti divovi — preko 9.000 takvih objekata — dok su zabeleženi i više od 100 kandidata sličnih Neptunu i oko 11 potencijalnih super-Zemalja. Tim je pratio zvezde različitih tipova, od M-zvezda (male, narandžaste zvezde dugog veka) do plavih superdivova.
Međunarodna saradnja i dalje korake
Rothov konzorcijum obuhvata istraživače sa institucija kao što su Princeton, MIT, UCLA i opservatorija Las Campanas u Čileu. Kako on navodi, metode koje koriste privlače pažnju svetskih institucija, uključujući NASA i ESA.
Šta sledi: konvolucione neuronske mreže i nove misije
Tim planira uvođenje konvolucionih neuronskih mreža (CNN) za direktnu klasifikaciju izrezaka iz TESS punih okvira, što bi dodatno smanjilo potrebu za ručnim pregledom. Roth očekuje da će koristiti primerke iz Cycle 1 kao trening set za treniranje CNN modela.
U narednim godinama ključnu ulogu u pronalaženju manjih, stjenovitih planeta očekuju misije poput evropskog PLATO i NASA-inog Roman teleskopa, kao i podaci iz misije Gaia. PLATO je dizajniran za veću fotometrijsku preciznost i traženje planeta sličnih Zemlji, dok Roman i Gaia mogu da doprinesu masovnom uvećanju broja kandidata — iako potvrda mnogih objekata može biti tehnički zahtevna.
Širi kontekst
Iako cifra od više desetina ili stotina hiljada kandidata zvuči impresivno, to je i dalje samo delić ukupnog broja planeta koje naučnici procenjuju da postoje u galaksiji. Prema aktuelnim procenama, Mlečni put sadrži preko 100 milijardi zvezda, a prosek sugeriše da svaka zvezda ima bar jednu planetu.
Napomena: Ovaj tekst je prilagođena i sažeta verzija članka prvobitno objavljenog na Forbes.com.
Pomozite nam da budemo bolji.
























