هوش مصنوعی ده ها سیاره سیاره جدید در داده های از دست رفته دانشمندان ناسا را ​​پیدا می کند

فنی

URL کوتاه دریافت کنید

دانشمندان دانشگاه وارویک انگلیس اخیراً اعلام کردند که با استفاده از یک برنامه یادگیری ماشینی ، 50 سیاره سیاره جدید را کشف کرده اند تا از میان داده های جمع آوری شده توسط رصدخانه های ماهواره ای در کوهستان کاوش کنند.

به گفته گروهی از دانشمندان دانشگاه وارویک و انستیتوی آلن تورینگ لندن ، هوش مصنوعی که توسط آنها طراحی شده است ده ها سیاره سیارک جدید را پیدا کرده است که قبلاً توسط اخترشناسان انسانی از دست رفته اند.

نتایج آنها به تازگی در اطلاعیه های ماهانه انجمن سلطنتی نجوم منتشر شده است ، که در آن آنها توصیف می کنند که چگونه داده های تلسکوپ فضایی کپلر و Satellite Survey Exoplanet Survey Satellite (TESS) ، که هر دو توسط آژانس فضایی آمریکا ناسا اداره می شوند ، حاوی سیارات بیشتری نسبت به گذشته است. متوجه شدم

مشکلی که در خبرنامه دانشگاه آمده است اینست که ماهواره ها داده های زیادی جمع آوری کرده بودند که هزاران سیارات خارج از کشور در یافته هایشان وجود داشته است ، اما بررسی هر یک از نامزدها برای تأیید صحت آن یا اخراج آن به عنوان یک مثبت کاذب که به زمان بسیار زیادی نیاز دارد ، بنابراین آنها فرآیند را با یک برنامه یادگیری ماشین به صورت خودکار انجام دادند.

دکتر دیوید آرمسترانگ ، از دانشکده فیزیک دانشگاه وارویک گفت: “ما امیدواریم که این تکنیک را در نمونه های بزرگی از کاندیداهای ماموریت های فعلی و آینده مانند TESS” و برنامه ریزی شده برنامه حمل و نقل سیاره ای و نوسان ستاره ها (PLATO) آژانس فضایی اروپا به کار گیریم. ، گفت: در نسخه.

آرمسترانگ ادامه داد: “از نظر اعتبارسنجی سیاره ، پیش از این هیچ کس از روش یادگیری ماشین استفاده نکرده است.” “یادگیری ماشین برای رتبه بندی کاندیداهای سیاره ای مورد استفاده قرار گرفته است اما هرگز در یک چارچوب محتمل قرار نمی گیرد ، این همان چیزی است که شما برای تصدیق واقعی سیاره نیاز دارید. به جای اینکه بگوییم کدام نامزدها احتمالاً سیارات هستند ، اکنون می توانیم بگوییم که احتمال آماری دقیق چیست. در جائیکه کمتر از یک درصد احتمال کاندیدای مثبت بودن کاذب وجود داشته باشد ، یک سیاره معتبر در نظر گرفته می شود. “

آرمسترانگ خاطرنشان كرد كه نزديك به يك سوم سيارات شناخته شده فراتر از منظومه شمسي ما با استفاده از تنها يك روش تاييد شده است كه بسيار از ایده آل است.

وی افزود: “توسعه روشهای جدید برای تأیید اعتبار فقط به همین دلیل مطلوب است. اما یادگیری ماشین نیز به ما امکان می دهد خیلی سریع این کار را انجام دهیم و نامزدها را خیلی سریع تر در اولویت قرار دهیم. “

وی گفت: “ما هنوز باید زمان آموزش الگوریتم را بگذرانیم ، اما پس از اتمام کار ، استفاده از آن برای نامزدهای آینده بسیار ساده تر می شود. همچنین می توانید اکتشافات جدیدی را برای بهبود تدریجی آن درج کنید. پیش بینی می شود که نظرسنجی مانند TESS ده ها هزار کاندیدای سیاره ای داشته باشد و ایده آل است که بتوانیم همه آنها را به طور مداوم تجزیه و تحلیل کنیم. سیستم های اتوماتیک سریع مانند این که می توانند ما را در مراحل کمتری به اعتبارسنجی برسانند ، به ما اجازه می دهند این کار را به صورت کارآمد انجام دهیم. “

هنگامی که ناسا اوایل سال جاری مأموریت اولیه TESS را به اتمام رساند ، ماهواره 66 سیاره سیارات تأیید شده به همراه 2100 نامزد بالقوه را کشف کرده بود.

در اوایل این ماه ، یافته های ستاره شناسان که در ژورنال نجوم منتشر شده بود ، نشان داد که چگونه آنها از ستاره شناسی یا اندازه گیری مچاله یک ستاره به عنوان تیرهای سیاره ای که بر روی آن قرار گرفته اند ، استفاده می کنند تا بتوانند سیاره ای را دور آن ستاره پیدا کنند. در مقابل ، رصدخانه هایی مانند Kepler با جستجوی تابش منظم یک ستاره به عنوان عبور سیارات از میان آن و زمین ، در بیرون سیارات قرار می گیرند.