Астрономы представили результаты масштабного исследования, в ходе которого с помощью искусственного интеллекта удалось обнаружить десятки ранее скрытых планет в архивных данных космического телескопа TESS. Работа демонстрирует, как современные алгоритмы способны существенно расширить возможности поиска экзопланет без запуска новых миссий.
Как работает поиск экзопланет
Основой исследования стали данные миссии Transiting Exoplanet Survey Satellite (TESS) — космического телескопа NASA, который наблюдает за миллионами звёзд и фиксирует малейшие изменения их яркости.
Метод поиска основан на транзитной фотометрии:
- когда планета проходит перед своей звездой, она частично блокирует свет;
- это приводит к кратковременному и слабому «провалу» яркости;
- по этим сигналам можно определить наличие планеты.
Однако проблема заключается в том, что такие сигналы:
- крайне слабые;
- часто маскируются шумами;
- могут теряться среди огромного объёма данных.
Именно здесь ключевую роль сыграл искусственный интеллект.
Новый алгоритм RAVEN
Учёные разработали систему машинного обучения под названием RAVEN, которая анализирует архивные данные и выделяет потенциальные сигналы планет.
Алгоритм способен:
- обрабатывать миллионы световых кривых;
- отличать реальные транзиты от шумов и ложных сигналов;
- автоматически классифицировать кандидатов.
С помощью этого подхода исследователи:
- подтвердили 118 экзопланет;
- выявили более 2000 кандидатов;
- почти 1000 из них ранее вообще не были известны.
Это один из самых крупных результатов повторного анализа данных в современной астрономии.
Почему планеты оставались «невидимыми»
Большинство новых миров не были обнаружены ранее по нескольким причинам:
1. Слабые сигналы
Многие планеты небольшие или находятся на орбитах, дающих минимальное затемнение звезды.
2. Шум в данных
Колебания яркости могут быть вызваны активностью самой звезды или инструментальными эффектами.
3. Огромный объём информации
TESS наблюдает миллионы объектов, и ручной анализ всех данных невозможен.
Искусственный интеллект позволяет системно обработать такие массивы и выявить закономерности, незаметные при классических методах анализа.
Какие планеты удалось найти
Среди обнаруженных объектов есть несколько важных категорий:
- плотно расположенные планеты (close-in planets), находящиеся близко к своим звёздам;
- многопланетные системы, где вокруг одной звезды вращается сразу несколько тел;
- небольшие планеты, которые особенно трудно обнаружить.
Такие системы представляют особый интерес, поскольку позволяют изучать динамику формирования планет и их взаимодействие.
Значение для астрономии
Результаты исследования имеют несколько ключевых последствий:
1. Повышение эффективности существующих миссий
Данные, уже собранные телескопами, продолжают приносить новые открытия без дополнительных запусков.
2. Формирование крупных каталогов экзопланет
Полученная выборка считается одной из наиболее детально изученных для близких к звёздам планет.
3. Подготовка к будущим наблюдениям
Выявленные кандидаты могут стать целями для более мощных телескопов, включая спектроскопические исследования атмосфер.
4. Развитие методов искусственного интеллекта
Работа показывает, что машинное обучение становится стандартным инструментом в анализе астрономических данных.
Ограничения метода
Несмотря на эффективность, подход имеет ограничения:
- алгоритм не даёт окончательного подтверждения без дополнительных наблюдений;
- часть кандидатов может оказаться ложноположительными;
- необходима независимая проверка с использованием других методов (например, радиальной скорости).
Тем не менее, ИИ значительно ускоряет предварительный отбор и снижает нагрузку на наблюдательные программы.
Перспективы
Использование искусственного интеллекта в астрономии будет расширяться.
В ближайшие годы ожидается:
- повторный анализ данных других миссий;
- интеграция ИИ с новыми телескопами;
- создание более точных моделей поиска экзопланет.
Фактически речь идёт о смене подхода: от поиска отдельных объектов к системному «сканированию» Вселенной с помощью алгоритмов.
Общий вывод
Применение искусственного интеллекта к данным TESS позволило обнаружить десятки ранее скрытых планет и подтвердить более сотни экзопланет. Это показывает, что даже уже изученные наблюдения могут содержать значительный объём нераскрытой информации, а ключ к новым открытиям всё чаще лежит не в новых телескопах, а в методах обработки данных.
Источники:
Статья создана по материалам Phys.Org
