Ciência

50 novos planetas confirmados além do nosso sistema solar com aprendizado de máquina

50 novos planetas confirmados além do nosso sistema solar com aprendizado de máquina


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.

Cinqüenta planetas potenciais foram confirmados com a ajuda de um novo algoritmo de aprendizado de máquina desenvolvido por cientistas da Universidade de Warwick, de acordo com um novo estudo publicado noAvisos mensais da Royal Astronomical Society.

RELACIONADOS: VALE A PENA? OS CUSTOS E BENEFÍCIOS DA EXPLORAÇÃO DO ESPAÇO

O aprendizado de máquina confirma 50 novos planetas

Os astrônomos usaram um processo baseado em aprendizado de máquina (um tipo de inteligência artificial) para analisar uma amostra de planetas potenciais e discernir quais eram reais ou "falsos" ou falsos positivos - pela primeira vez.

Os resultados da equipe foram relatados no novo estudo, onde também realizaram a primeira comparação e contraste em grande escala de novas técnicas de validação de planetas. Isso inclui o algoritmo de aprendizado de máquina recém-aplicado, que será usado para confirmar estatisticamente futuras descobertas de exoplanetas.

Normalmente, pesquisas de exoplanetas buscam grandes quantidades de dados coletados por meio de telescópios em busca de sinais de planetas passando entre a Terra e sua estrela hospedeira - em um processo chamado trânsito. Quando isso acontece, a luz da estrela diminui de intensidade a um grau que os telescópios captam, mas as quedas também podem acontecer em sistemas estelares binários, interferência de fundo ou mesmo erros de câmera. Juntas, essas fontes potenciais de interferência exigem um meio de distinguir as indicações de exoplanetas reais das "falsas".

Treinamento de aprendizado de máquina para pesquisar exoplanetas

É por isso que pesquisadores dos departamentos de física e ciência da computação de Warwick, além do Instituto Alan Turing, construíram um algoritmo baseado em aprendizado de máquina capaz de diferenciar planetas reais de falsos em grandes amostras de milhares de candidatos identificados durante missões de telescópio como o TESS da NASA e Kepler, de acordo com phys.org.

O método de aprendizado de máquina foi treinado para identificar corretamente planetas reais com a ajuda de duas grandes amostras de planetas confirmados e falsos positivos da agora extinta missão Kepler. Em seguida, os pesquisadores empregaram o algoritmo em um novo conjunto de dados de candidatos planetários até então não confirmados, coletados via Kepler. Os resultados revelaram 50 novos planetas confirmados - a primeira validação do aprendizado de máquina.

As técnicas anteriores de aprendizado de máquina classificaram habilmente os candidatos a planetas, mas nunca foram capazes de distinguir a probabilidade de um candidato ser de fato um planeta sem ajuda - que é o principal objetivo para a validação do planeta.

Os 50 novos planetas variam em tipo, desde o tamanho de Netuno até o potencial excitante de escalas semelhantes às da Terra, com órbitas de até 200 dias e tão baixas quanto um único dia. Agora de posse do conhecimento de que os 50 candidatos a planetas não são falsos, os astrônomos podem avançar com as observações contínuas dos exoplanetas recém-descobertos por meio de telescópios comprometidos.

O aprendizado de máquina vai acelerar a validação de exoplanetas

O professor David Armstrong, do departamento de física da University of Warwick, disse: "O algoritmo que desenvolvemos nos permite levar 50 candidatos além do limite para validação de planetas, atualizando-os para planetas reais. Esperamos aplicar esta técnica a grandes amostras de candidatos atuais e missões futuras como TESS e PLATO. Em termos de validação de planeta, ninguém usou uma técnica de aprendizado de máquina antes. "

"O aprendizado de máquina tem sido usado para classificar candidatos planetários, mas nunca em uma estrutura probabilística, que é o que você precisa para validar um planeta de verdade", acrescentou. "Em vez de dizer quais candidatos são mais prováveis ​​de serem planetas, agora podemos dizer qual é a probabilidade estatística precisa. Se houver menos de 1% de chance de um candidato ser um falso positivo, é considerado um planeta validado."

À medida que um novo conjunto de telescópios baseados no espaço inicia missões para buscar novos mundos que possivelmente hospedam novas civilizações, podemos ter certeza de que muitos, senão a maioria dos planetas confirmados como mais do que ruído cósmico errante obterão sua validação do aprendizado de máquina.


Assista o vídeo: ATENCIÓN! La NASA Descubre Planeta Habitable En 2020 (Pode 2022).