Μια ερευνητική ομάδα του Πανεπιστημίου της Τζόρτζια επιβεβαίωσε την ύπαρξη ενός άγνωστου μέχρι σήμερα πλανήτη εκτός του ηλιακού μας συστήματος και χρησιμοποίησε εργαλεία μηχανικής μάθησης για να τον εντοπίσει.

Μια πρόσφατη μελέτη της ομάδας έδειξε ότι η μηχανική μάθηση μπορεί να προσδιορίσει σωστά αν υπάρχει ένας εξωπλανήτης, εξετάζοντας σε πρωτοπλανητικούς δίσκους, το αέριο γύρω από νεοσχηματισμένα αστέρια.

Τα πρόσφατα δημοσιευμένα ευρήματα αποτελούν ένα πρώτο βήμα προς τη χρήση της μηχανικής μάθησης για τον εντοπισμό εξωπλανητών που είχαν αγνοηθεί προηγουμένως.

“Επιβεβαιώσαμε τον πλανήτη χρησιμοποιώντας παραδοσιακές τεχνικές, αλλά τα μοντέλα μας μας κατεύθυναν να εκτελέσουμε αυτές τις προσομοιώσεις και μας έδειξαν ακριβώς πού μπορεί να βρίσκεται ο πλανήτης“, δήλωσε ο Jason Terry, διδακτορικός φοιτητής στο τμήμα φυσικής και αστρονομίας του UGA Franklin College of Arts and Sciences και επικεφαλής συγγραφέας της μελέτης.

“Όταν εφαρμόσαμε τα μοντέλα μας σε ένα σύνολο παλαιότερων παρατηρήσεων, εντόπισαν έναν δίσκο που δεν ήταν γνωστό ότι είχε πλανήτη παρά το γεγονός ότι είχε ήδη αναλυθεί. Όπως και στις προηγούμενες ανακαλύψεις, τρέξαμε προσομοιώσεις του δίσκου και διαπιστώσαμε ότι μόνο ένας πλανήτης θα μπορούσε να επαληθεύσει την παρατήρηση”.

Σύμφωνα με τον Terry, τα μοντέλα υπέδειξαν την παρουσία ενός πλανήτη, γεγονός που υποδεικνύεται από αρκετές εικόνες που τόνιζαν έντονα μια συγκεκριμένη περιοχή του δίσκου που αποδείχθηκε ότι είχε το χαρακτηριστικό σημάδι ενός πλανήτη – μια ασυνήθιστη απόκλιση στην ταχύτητα του αερίου στο σημείο που βρισκόταν ο πλανήτης.

“Πρόκειται για μια απίστευτα συναρπαστική απόδειξη της ιδέας. Γνωρίζαμε από την προηγούμενη εργασία μας ότι θα μπορούσαμε να χρησιμοποιήσουμε τη μηχανική μάθηση για να βρούμε γνωστούς εξωπλανήτες που σχηματίζονται”, δήλωσε η Cassandra Hall, επίκουρη καθηγήτρια υπολογιστικής αστροφυσικής και επικεφαλής της ερευνητικής ομάδας Exoplanet and Planet Formation Research Group στο UGA. “Τώρα, γνωρίζουμε με βεβαιότητα ότι μπορούμε να το χρησιμοποιήσουμε για να κάνουμε ολοκαίνουργιες ανακαλύψεις”.

Η ανακάλυψη αναδεικνύει πώς η μηχανική μάθηση έχει τη δύναμη να βελτιώσει το έργο των επιστημόνων, χρησιμοποιώντας την τεχνητή νοημοσύνη ως πρόσθετο εργαλείο για την επέκταση της ακρίβειας των ερευνητών και την αποτελεσματικότερη εξοικονόμηση του χρόνου τους, όταν ασχολούνται με ένα τόσο τεράστιο έργο, όπως η διερεύνηση του διαστήματος.

Τα μοντέλα ήταν σε θέση να ανιχνεύσουν ένα σήμα σε δεδομένα που οι άνθρωποι είχαν ήδη αναλύσει- βρήκαν κάτι που προηγουμένως είχε περάσει απαρατήρητο.

“Αυτό αποδεικνύει ότι τα μοντέλα μας – και η μηχανική μάθηση γενικότερα – έχουν την ικανότητα να εντοπίζουν γρήγορα και με ακρίβεια σημαντικές πληροφορίες που μπορεί να διαφεύγουν από τους ανθρώπους. Αυτό έχει τη δυνατότητα να επιταχύνει δραματικά την ανάλυση και τις επακόλουθες θεωρητικές γνώσεις“, δήλωσε ο Terry. “Χρειαστήκαμε μόνο περίπου μία ώρα για να αναλύσουμε ολόκληρο τον κατάλογο και να βρούμε ισχυρές ενδείξεις για έναν νέο πλανήτη σε ένα συγκεκριμένο σημείο, οπότε πιστεύουμε ότι θα υπάρχει σημαντική θέση για τέτοιου είδους τεχνικές καθώς τα σύνολα δεδομένων μας γίνονται ακόμη μεγαλύτερα”.

Παραπομπές:

J. P. Terry, C. Hall, S. Abreau, S. Gleyzer. Kinematic Evidence of an Embedded Protoplanet in HD 142666 Identified by Machine Learning. The Astrophysical Journal, 2023; 947 (2): 60 DOI: 10.3847/1538-4357/acc737