Një algoritëm AI sapo gjeti 301 planetë shtesë në të dhënat e Kepler
Duke parë nga e ardhmja, astronomët janë të ngazëllyer për të parë se si të mësuarit e makinerive – aka. mësimi i thellë dhe inteligjenca artificiale (AI) – do të përmirësojë sondazhet. Një fushë që tashmë po përfiton në kërkimin e planetëve jashtëdiellorë, ku studiuesit mbështeten në algoritmet e mësimit të makinës për të dalluar midis sinjaleve të dobëta dhe zhurmës së sfondit. Ndërsa kjo fushë vazhdon të kalojë nga zbulimi në karakterizim, roli i inteligjencës së makinës ka të ngjarë të bëhet edhe më kritik.
Merrni Teleskopin Hapësinor Kepler, i cili llogaritet për 2879 zbulime të konfirmuara (nga 4,575 ekzoplanetet e zbuluara deri më sot) gjatë gati dhjetë viteve të shërbimit të tij. Pas ekzaminimit të të dhënave të mbledhura nga Kepler duke përdorur një rrjet të ri nervor të të mësuarit të thellë të quajtur ExoMiner, një ekip kërkimor në Qendrën Kërkimore Ames të NASA-s ishte në gjendje të zbulonte 301 sinjale planetare të tjera dhe t’i shtonte ato në regjistrimin në rritje të ekzoplaneteve.
Këta ekzoplanetë të zbuluar rishtazi dhe algoritmi ExoMiner u përshkruan në një punim që u pranua së fundmi për botim në Astrophysical Journal. Ekipi i letrës dhe i projektit u drejtua nga Hamed Valizadegan, një menaxher i mësimit të makinerive me Shoqatën e Kërkimeve Hapësinore të Universiteteve (USRA) në NASA Ames, dhe përfshinte shumë studiues nga USRA, Instituti SETI dhe universitete nga e gjithë bota.
Siç tregojnë ata në punimin e tyre, të 301 planetët e vërtetuar me makinë u zbuluan fillimisht nga tubacioni i Qendrës së Operacioneve Shkencore Kepler. Këta planetë u promovuan gjithashtu në statusin e planetit “kandidat” nga Zyra e Shkencës Kepler (me fjalë të tjera, të pa konfirmuara). Megjithatë, përpara se arkivi i Kepler Kepler të ekzaminohej duke përdorur ExoMiner, askush nuk ishte në gjendje të verifikonte që këto sinjale të mundshme ishin ekzoplanetë.
Ashtu si të gjitha teknikat e të mësuarit të makinerive, ky rrjet i ri nervor i thellë mëson të identifikojë modelet bazuar në të dhënat që i janë dhënë. Në rastin e ExoMiner, studiuesit në NASA Ames e projektuan atë duke përdorur teste dhe veti të ndryshme që ekspertët njerëzorë përdorin për të konfirmuar praninë e ekzoplaneteve. I kombinuar me Superkompjuterin e NASA-s (Pleiades), ai përdor këtë njohuri për të dalluar midis ekzoplaneteve aktuale dhe llojeve të ndryshme të “pozitiveve të rreme”.
Në punim tregohet gjithashtu se si ExoMiner është më i saktë dhe më konsistent në përjashtimin e pozitiveve të rreme dhe identifikimin e nënshkrimeve të planetëve, ndërsa gjithashtu u tregon ekipeve shkencore se si arriti në përfundimin e tij.
ExoMiner u krijua posaçërisht për të ndihmuar ekspertët që kërkojnë nëpër të dhënat e mbledhura gjatë fushatave Kepler dhe K2. Arsyeja për këtë ka të bëjë me metodën e gjuetisë së ekzoplaneteve të përdorura nga Kepler dhe pasardhësi i tij, Sateliti Transiting Exoplanet Survey Satellite (TESS). Kjo konsiston në monitorimin e mijëra yjeve për shenja të uljeve periodike të shkëlqimit, të cilat mund të shkaktohen nga ekzoplanetët që kalojnë para tyre (aka. tranzit) në lidhje me vëzhguesin.
E njohur si Metoda e Transitit (aka. Fotometria e Transitit), kjo teknikë është mjeti më efektiv i zbulimit të ekzoplaneteve deri më sot, duke përbërë mbi 75% të të gjitha zbulimeve të bëra deri më sot. Megjithatë, ai i nënshtrohet gjithashtu një përqindjeje të konsiderueshme të rezultateve false, të cilat mund të jenë deri në 40% në sistemet me një planet (bazuar në një studim të vitit 2012 të të dhënave të misionit Kepler). Për më tepër, ai është efektiv vetëm për rreth 10% të sistemeve yjore pasi ato duhet të jenë të përafërta në krahasim me vëzhguesin që transitet të jenë të dukshme.
Mënyra kryesore për të kapërcyer këtë është monitorimi i mijëra yjeve në një fushë të vetme, e cila krijon barrën e nxjerrjes së të dhënave (të përmendura më lart). Për të gjitha këto arsye, të kesh një ndihmës të automatizuar që mund të përpunojë të dhënat në mënyrë të besueshme (duke ditur saktësisht se çfarë të kërkosh) është një ndryshim i madh i lojës.