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.
нейросети
Материалы, объединённые этой темой, посвящены применению современных нейросетевых технологий в астрономии и смежных областях. Здесь рассматриваются методы распознавания объектов на астрофотографиях, автоматическая классификация галактик и звёзд, обработка данных космических телескопов, моделирование эволюции космических структур и использование ИИ для прогнозирования редких астрономических событий.
В подборку включены исследования, демонстрирующие, как машинное обучение помогает работать с огромными массивами наблюдательных данных, повышает точность измерений и ускоряет научные открытия. Также рассматриваются новые инструменты, которые позволяют любителям и профессионалам улучшать качество снимков, устранять шумы, выравнивать кадры и восстанавливать слабые структуры на изображениях.
Тема показывает, как нейросети становятся важной частью современной астрономии, расширяя возможности наблюдений и анализа космоса.
Искусственный интеллект в астрономии: как алгоритмы меняют поиск новых открытий во Вселенной
Современная астрономия столкнулась с фундаментальной проблемой — объем данных, поступающих от телескопов и космических миссий, растет быстрее, чем их способны анализировать ученые. В этих условиях ключевую роль начинает играть искусственный интеллект, который уже сегодня активно используется для обработки наблюдений и поиска новых объектов.
Как машинное обучение помогает изучать орбиты спутников Сатурна
Современная астрономия всё чаще сталкивается с одной и той же проблемой: наблюдений и симуляций становится всё больше, а традиционные методы анализа не всегда успевают за этим ростом. Особенно это заметно в исследованиях динамики орбит — например, спутников планет.
Недавняя работа исследователей из Бразилии предлагает новый подход к решению этой задачи. Учёные разработали вычислительный метод, основанный на машинном обучении, который помогает анализировать десятки тысяч возможных орбит спутников и выявлять скрытые закономерности в их движении.
Как искусственный интеллект ищет «вторую Землю»: активное обучение в эпоху редких открытий
В каталогах экзопланет сегодня — тысячи миров. Но по-настоящему интересных, потенциально пригодных для жизни, среди них единицы. Именно эту проблему — как эффективно искать редкие «алмазы» в огромном массиве данных — рассматривает новая работа, посвящённая применению активного обучения к задаче оценки обитаемости планет.
Искусственный интеллект и наука: как определить, готов ли ИИ делать открытия самостоятельно
В последние годы искусственный интеллект (ИИ) стал не просто инструментом для автоматизации рутинных задач, он всё активнее вовлекается в процессы, которые традиционно считались прерогативой человека — в том числе в научные исследования. Вопрос, который всё чаще задают учёные и разработчики: может ли ИИ действительно «заниматься наукой», а не просто помогать в отдельных её этапах? И как мы узнаем, что он достиг такого уровня? ([turn2search0])
Ответ на эти вопросы сейчас ищут по всему миру, и от того, как будут построены критерии оценки научных способностей ИИ, зависит будущее научной деятельности в эпоху машинного интеллекта.
Почему инопланетяне так похожи на нас: взгляд науки на пределы человеческого воображения
Вопрос о том, существует ли жизнь за пределами Земли, волнует человечество тысячи лет. Мы искали её на Луне и Марсе, представляли в виде богов, чудовищ и высокоразвитых цивилизаций, создавали мифы, религии и целые жанры фантастики. Но есть одна общая черта почти у всех этих образов: инопланетяне удивительно похожи на людей. Почему так происходит — и что это говорит не о них, а о нас самих?
Искусственный интеллект на охоте за экзопланетами: как Gaia и нейросеть ExoDNN находят невидимых компаньонов звёзд
Сегодня известно уже более семи тысяч экзопланет, но почти все они были найдены с помощью двух методов — транзитного и лучевых скоростей. Оба способа отлично работают для планет, расположенных близко к своей звезде, но почти «слепы» к далёким орбитам. Именно поэтому большая часть планетных систем остаётся скрытой от наших телескопов.
Существует и третий метод — астрометрический. Он основан на поиске едва заметного «покачивания» звезды под действием гравитации спутника. Этот эффект крайне мал, и до недавнего времени его удавалось зафиксировать лишь в единичных случаях. Ситуацию изменила космическая обсерватория Gaia Европейского космического агентства.
ИИ нашёл более 800 ранее неизвестных космических аномалий в архивах телескопа Хаббл
Астрономы с помощью искусственного интеллекта выявили сотни необычных космических объектов, спрятанных в архивных данных космического телескопа Хаббл — наблюдения, которые не были замечены за десятилетия традиционного анализа. Эта работа демонстрирует, как современные алгоритмы помогают учёным извлекать новые научные результаты из огромных объёмов наблюдательных данных, существенно ускоряя открытие редких и необычных явлений во Вселенной.
NASA использует искусственный интеллект для поиска тысяч новых экзопланет в данных TESS
Современная астрономия переживает новую эпоху поиска внеземных миров благодаря сочетанию обширных космических наблюдений и передовых методов искусственного интеллекта (ИИ). В январе 2026 года стало известно, что NASA создало новую версию искусственного интеллекта под названием ExoMiner++, способную анализировать данные миссий Kepler и TESS и находить в них следы потенциальных экзопланет — планет за пределами Солнечной системы. Эта разработка открывает возможности обнаружения огромного числа новых кандидатов на звание «других миров» в архивных и актуальных наблюдениях.
Машинное обучение выходит на охоту: как астрономы находят «странные» экзопланеты
За последние десятилетия астрономы открыли тысячи экзопланет, а современные и будущие миссии — такие как JWST и европейский телескоп Ariel — готовятся изучать сотни и тысячи атмосфер. Каждая такая атмосфера описывается сложным спектром, анализ которого требует огромных вычислительных ресурсов. Полноценный разбор всех данных традиционными методами становится всё менее реальным.
Поэтому исследователи ищут быстрые способы отсеивать самые интересные и необычные миры — те, которые могут скрывать неожиданный химический состав.