50 nuovi pianeti confermati prima nell’apprendimento automatico: l’IA distingue tra pianeti reali e “falsi”

Il nuovo algoritmo di apprendimento automatico progettato da astronomi e scienziati informatici dell’Università di Warwick conferma la presenza di nuovi pianeti extrasolari nei dati del telescopio
I sondaggi del cielo trovano migliaia di pianeti candidati e gli astronomi devono separare i veri pianeti da quelli falsi
L’algoritmo è stato addestrato per distinguere tra segni di pianeti reali e falsi positivi
La nuova tecnica è più veloce delle tecniche precedenti, può essere automatizzata e migliorata con ulteriore formazione
Cinquanta potenziali pianeti hanno avuto la loro esistenza confermata da un nuovo algoritmo di apprendimento automatico sviluppato dagli scienziati dell’Università di Warwick.

Per la prima volta, gli astronomi hanno utilizzato un processo basato sull’apprendimento automatico, una forma di intelligenza artificiale, per analizzare un campione di potenziali pianeti e determinare quali sono reali e quali sono ‘falsi’, o falsi positivi, calcolando la probabilità di ciascuno candidato ad essere un vero pianeta.

I loro risultati sono riportati in un nuovo studio pubblicato negli Avvisi mensili della Royal Astronomical Society , dove eseguono anche il primo confronto su larga scala di tali tecniche di convalida dei pianeti. Le loro conclusioni giustificano l’utilizzo di più tecniche di convalida, incluso il loro algoritmo di apprendimento automatico, quando si confermano statisticamente le future scoperte di esopianeti .

Molte indagini sugli esopianeti cercano attraverso enormi quantità di dati dai telescopi i segni dei pianeti che passano tra il telescopio e la loro stella, noti come in transito. Ciò si traduce in un significativo calo di luce dalla stella che il telescopio rileva, ma potrebbe anche essere causato da un sistema stellare binario, interferenze da un oggetto sullo sfondo o anche lievi errori nella fotocamera. Questi falsi positivi possono essere vagliati in un processo di convalida planetaria.

Ricercatori provenienti da dipartimenti di Warwick di Fisica e Informatica, così come The Alan Turing Institute, costruito una macchina di apprendimento basato algoritmo in grado di separare i pianeti veri da quelli falsi nelle grandi campioni di migliaia di candidati trovati da missioni telescopio come la NASA ‘s Kepler e TESS .

È stato addestrato a riconoscere pianeti reali utilizzando due grandi campioni di pianeti confermati e falsi positivi dalla missione Kepler ora in pensione. I ricercatori hanno quindi utilizzato l’algoritmo su un set di dati di candidati planetari ancora non confermati da Kepler, risultando in cinquanta nuovi pianeti confermati e il primo ad essere convalidato dall’apprendimento automatico. Le precedenti tecniche di apprendimento automatico hanno classificato i candidati, ma non hanno mai determinato la probabilità che un candidato fosse un vero pianeta di per sé, un passaggio necessario per la convalida del pianeta.

Quei cinquanta pianeti vanno da mondi grandi come Nettuno a più piccoli della Terra, con orbite lunghe da 200 giorni a un solo giorno. Confermando che questi cinquanta pianeti sono reali, gli astronomi possono ora dare la priorità a questi per ulteriori osservazioni con telescopi dedicati.

Il Dr. David Armstrong, del Dipartimento di Fisica dell’Università di Warwick, ha dichiarato: “L’algoritmo che abbiamo sviluppato ci consente di portare cinquanta candidati oltre la soglia per la convalida del pianeta, aggiornandoli in pianeti reali. Speriamo di applicare questa tecnica a grandi campioni di candidati delle missioni attuali e future come TESS e PLATO.

“In termini di convalida del pianeta, nessuno ha mai utilizzato una tecnica di apprendimento automatico. L’apprendimento automatico è stato utilizzato per classificare i candidati planetari, ma mai in un quadro probabilistico, che è ciò di cui hai bisogno per convalidare veramente un pianeta. Piuttosto che dire quali candidati hanno maggiori probabilità di essere pianeti, ora possiamo dire qual è la precisa probabilità statistica. Dove c’è meno dell’1% di possibilità che un candidato sia un falso positivo, è considerato un pianeta convalidato. “

Il Dr. Theo Damoulas del Dipartimento di Informatica dell’Università di Warwick, e Vice Direttore, Data Centric Engineering e Turing Fellow presso The Alan Turing Institute, ha dichiarato: “Gli approcci probabilistici all’apprendimento automatico statistico sono particolarmente adatti per un problema eccitante come questo in astrofisica ciò richiede l’incorporazione di conoscenze preliminari – da esperti come il Dr. Armstrong – e la quantificazione dell’incertezza nelle previsioni. Un ottimo esempio in cui la complessità computazionale aggiuntiva dei metodi probabilistici ripaga in modo significativo “.

Una volta costruito e addestrato, l’algoritmo è più veloce delle tecniche esistenti e può essere completamente automatizzato, rendendolo ideale per analizzare le potenziali migliaia di candidati planetari osservati nelle indagini attuali come TESS. I ricercatori sostengono che dovrebbe essere uno degli strumenti da utilizzare collettivamente per convalidare i pianeti in futuro.

Il dottor Armstrong aggiunge: “Quasi il 30% dei pianeti conosciuti fino ad oggi è stato convalidato utilizzando un solo metodo, e questo non è l’ideale. Lo sviluppo di nuovi metodi di convalida è auspicabile solo per questo motivo. Ma l’apprendimento automatico ci consente anche di farlo molto rapidamente e di dare la priorità ai candidati molto più velocemente.

“Dobbiamo ancora dedicare del tempo alla formazione dell’algoritmo, ma una volta fatto ciò diventa molto più facile applicarlo ai futuri candidati. Puoi anche incorporare nuove scoperte per migliorarlo progressivamente.

“Si prevede che un sondaggio come TESS abbia decine di migliaia di candidati planetari ed è l’ideale per poterli analizzare tutti in modo coerente. Sistemi veloci e automatizzati come questo, che possono portarci fino a pianeti convalidati in meno passaggi, ci consentono di farlo in modo efficiente “.

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi