Группа астрономов из Соединённого Королевства использовала алгоритм машинного обучения для анализа выборки потенциальных экзопланет, идентифицированных космическим телескопом НАСА «Кеплер», и для определения того, какие из предложенных случаев действительно экзопланеты, а какие нет.
«Для подтверждения планет технику машинного обучения никто раньше не использовал», — рассказал ведущий автор работы доктор Дэвид Армстронг (David Armstrong), астроном с Физического факультета и Центра экзопланет и обитаемости в Уорикском университете (University of Warwick).
Доктор Армстронг и его коллеги построили алгоритм машинного обучения, который может отделять реальные планеты в больших выборках из тысяч случаев-кандидатов, найденных с помощью телескопов. Алгоритм обучили распознавать реальные экзопланеты, используя две большие выборки подтверждённых планет и ложных срабатываний «Кеплера».
Затем исследователи применили алгоритм на наборе данных всё ещё неподтверждённых кандидатов в экзопланеты, отмеченных телескопом «Кеплер», в результате чего было подтверждено 50 новых планет, и это впервые было сделано с помощью машинного обучения.
«Почти 30% известных на сегодняшний день планет были подтверждены с использованием только одного метода, и это не идеально. — Добавляет доктор Армстронг. — Разработка новых методов валидации желательна уже даже только по этой причине. Но, помимо этого, машинное обучение позволит нам делать это очень быстро».
Подтверждённые с использованием технологий машинного обучения 50 планет — это небесные тела разных размеров, одни примерно с Нептун, другие меньше, чем Земля, с периодами обращения вокруг своих звёзд от 200 дней до одного.
Разобравшись, какие экзопланеты реальны, учёные теперь могут расставить приоритеты для дальнейших наблюдений с помощью специальных телескопов.
Испытав алгоритм машинного обучения на небольшой выборке, исследователи планируют попробовать применить его на сетах из тысяч кандидатов в экзопланеты, которые планируется получать с помощью специальных телескопов, например, TESS.