Исследователи Коуровской обсерватории Уральского федерального университета (УрФУ) в составе научной группы NASA Ames создали нейросеть, которая помогает разбираться в массивах астрономических измерений и находить среди них настоящие планеты, скрытые в слабых и едва различимых изменениях блеска звезды.
Как сообщили в пресс-службе вуза, алгоритм назвали ExoMiner++, обучили на данных миссии Kepler, где большинство объектов проверены и надежно классифицированы, и миссии TESS. Описание новой нейросети и результаты обучения исследователи опубликовали в The Astronomical Journal. «Экзопланеты – это миры за пределами Солнечной системы. Они бывают газовыми гигантами, как Юпитер, а бывают небольшими и плотными, как Земля. Многие вращаются вокруг звезд, похожих на наше Солнце. Некоторые находятся в зонах, где температура позволяет существовать жидкости на поверхности. Их изучение помогает понять, насколько уникально наше положение во Вселенной, как часто встречаются условия, пригодные для жизни, и какие системы могут быть похожи на собственную историю Земли», – рассказал руководитель Коуровской обсерватории УрФУ Вадим Крушинский. Миссия TESS – это орбитальный телескоп, который каждые две минуты измеряет яркость тысяч звезд по всему небу. Он ищет моменты, когда планета проходит по диску своей звезды. В такие моменты блеск падает на доли процента. Эти краткие мигания называют транзитами. Если транзит повторяется через равные промежутки времени, то с высокой долей вероятности – это планета на орбите. Нейросеть уже проанализировала 147 тысяч транзитоподобных событий и выделила из них 7330 тех, что могут быть экзопланетами. Остальные были признаны ложными. При этом модель не только пополнила каталог новыми объектами, но и пересмотрела старые записи. Например, из 2506 кандидатов, которые раньше считались многообещающими, она подтвердила лишь 1797. «Это значит, что дальнейшие наблюдения можно направить туда, где вероятность найти настоящую планету по-настоящему высока», – констатирует специалист обсерватории Никита Чазов. ExoMiner++ работает как очень внимательная служба безопасности, которая одновременно просматривает все камеры и всю историю, помечает возможные инциденты и отдает их людям уже в виде короткого списка, объясняют ученые. «Если перевести это на более привычный образ, можно представить, что у вас есть многолетний архив видеозаписей с камер наблюдения в большом аэропорту. Среди миллионов часов записей нужно найти редкие, но важные эпизоды: кто-то оставил бесхозный чемодан, кто-то пронес запрещенный предмет, где-то случилось что-то необычное. Один человек, просматривая видео в реальном времени, не успеет сделать это за всю жизнь, – приводит аналогию Никита Чазов. – Мы живем в эпоху, когда данные прибывают слишком быстро, чтобы человек успевал их просматривать, а машины достаточно умны, чтобы брать на себя черновую, но важнейшую часть анализа».
Свежие комментарии