Science

50 nouvelles planètes confirmées au-delà de notre système solaire avec l'apprentissage automatique

50 nouvelles planètes confirmées au-delà de notre système solaire avec l'apprentissage automatique


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Cinquante planètes potentielles ont été confirmées avec l'aide d'un nouvel algorithme d'apprentissage automatique développé par des scientifiques de l'Université de Warwick, selon une nouvelle étude publiée dans leAvis mensuels de la Royal Astronomical Society.

CONNEXES: VAUT-IL LA VALEUR? LES COÛTS ET LES AVANTAGES DE L'EXPLORATION SPATIALE

L'apprentissage automatique confirme 50 nouvelles planètes

Les astronomes ont utilisé un processus basé sur l'apprentissage automatique (un type d'intelligence artificielle) pour analyser un échantillon de planètes potentielles et discerner celles qui étaient réelles ou «fausses» ou fausses positives - pour la première fois.

Les résultats de l'équipe ont été rapportés dans la nouvelle étude, dans laquelle ils ont également effectué la première comparaison et contraste à grande échelle de nouvelles techniques de validation de planète. Il s'agit notamment du nouvel algorithme d'apprentissage automatique, qui sera utile pour confirmer statistiquement les futures découvertes d'exoplanètes.

En règle générale, les enquêtes sur les exoplanètes recherchent des quantités massives de données recueillies via des télescopes pour des signes de planètes passant entre la Terre et leur étoile hôte - dans un processus appelé transit. Lorsque cela se produit, la lumière de l'étoile baisse d'intensité à un degré que les télescopes captent, mais les baisses peuvent également se produire dans les systèmes d'étoiles binaires, les interférences de fond ou même les erreurs de caméra. Prises ensemble, ces sources potentielles d'interférences appellent un moyen de distinguer les indications d'exoplanètes réelles des «fausses».

Former le machine learning à la recherche d'exoplanètes

C'est pourquoi des chercheurs des départements de physique et d'informatique de Warwick, en plus de l'Institut Alan Turing, ont construit un algorithme basé sur l'apprentissage automatique capable de différencier les planètes réelles des fausses dans de grands échantillons de mille candidats identifiés lors de missions de télescope comme le TESS de la NASA. et Kepler, selon phys.org.

La méthode d'apprentissage automatique a été formée pour identifier correctement les planètes réelles à l'aide de deux grands échantillons de planètes confirmées et de faux positifs de la mission Kepler, aujourd'hui disparue. Ensuite, les chercheurs ont utilisé l'algorithme sur un nouvel ensemble de données de candidats planétaires non confirmés autrefois rassemblés via Kepler. Les résultats ont dévoilé 50 nouvelles planètes confirmées - la première validation de l'apprentissage automatique.

Les techniques d'apprentissage automatique antérieures classaient avec compétence les candidats de planète, mais n'ont jamais été en mesure de distinguer la probabilité qu'un candidat soit en fait une planète sans aide - ce qui est le principal objectif de la validation de la planète.

Les 50 nouvelles planètes varient en type de la taille de Neptune au potentiel excitant d'échelles semblables à la Terre, avec des orbites allant jusqu'à 200 jours et aussi bas qu'un jour. Maintenant qu'ils savent que les 50 planètes candidates ne sont pas des fausses, les astronomes peuvent avancer avec des observations continues des exoplanètes nouvellement découvertes via des télescopes engagés.

L'apprentissage automatique accélérera la validation des exoplanètes

Le professeur David Armstrong du département de physique de l'Université de Warwick a déclaré: «L'algorithme que nous avons développé nous permet de faire passer 50 candidats au-delà du seuil de validation de la planète, en les mettant à niveau en planètes réelles. et des missions futures comme TESS et PLATO. En termes de validation de planète, personne n'a encore utilisé une technique d'apprentissage automatique. "

«L'apprentissage automatique a été utilisé pour classer les candidats planétaires mais jamais dans un cadre probabiliste, ce dont vous avez besoin pour valider véritablement une planète», a-t-il ajouté. "Plutôt que de dire quels candidats sont les plus susceptibles d'être des planètes, nous pouvons maintenant dire quelle est la probabilité statistique précise. Là où moins de 1% de chances qu'un candidat soit un faux positif, elle est considérée comme une planète validée."

Alors qu'une nouvelle suite de télescopes spatiaux commence des missions pour rechercher de nouveaux mondes pouvant héberger de nouvelles civilisations, nous pouvons être sûrs que beaucoup, sinon la plupart des planètes confirmées comme étant plus que du bruit cosmique errant recevront leur validation par l'apprentissage automatique.


Voir la vidéo: 25 Infos Étranges Sur Le Système Solaire (Mai 2022).