Învățarea automată identifică exoplanetele locuibile. Cum i-ar putea ajuta pe astronomi?

Până în prezent, au fost confirmate 4.940 de exoplanete în 3.711 sisteme planetare, iar alte 8.709 candidate așteaptă să fie confirmate. Având în vedere numărul atât de mare, accentul trece de la descoperire, la caracterizare. În loc să caute mai multe planete, astrobiologii vor examina lumile „potențial locuibile” pentru a găsi „biosemnături”.

Aceasta se referă la semnăturile chimice asociate cu viața și procesele biologice, una dintre cele mai importante fiind apa, singurul element cunoscut fără de care viața (așa cum o cunoaștem noi) nu poate exista.

• ESA intensifică cercetarea Pământului pe măsură ce viitorul agențiilor americane devine tot mai incert
• Un expert spune că modelele lingvistice mari nu vor fi niciodată cu adevărat inteligente

Într-un studiu recent, publicat în arXiv, astrofizicienii Dang Pham și Lisa Kaltenegger explică modul în care cercetările viitoare (combinate cu învățarea automată) ar putea discerne prezența apei, a zăpezii și a norilor pe exoplanete îndepărtate.

„Apa lichidă de la suprafața unei planete este un element cheie pentru viață. Așa că ne-am întrebat cum putem găsi apă la suprafața exoplanetelor stâncoase din zona locuibilă. Efectuarea spectroscopiei necesită mult timp, prin urmare, căutăm o modalitate mai rapidă de a identifica inițial planetele promițătoare – cele cu apă lichidă”, a declarat Lisa Kaltenegger pentru Universe Today.

Învățarea automată ar putea caracteriza mai rapid exoplanetele

Astronomii încep prin a observa mii de stele pentru a detecta scăderi periodice de luminozitate, apoi analizează curbele de lumină pentru a găsi semnături chimice. În prezent, cercetătorii se bazează pe alți astronomi și pe algoritmi pentru a sorta volumele de date obținute de telescoape. Privind în viitor, Pham și Kaltenegger arată cum învățarea automată avansată va fi crucială.

După cum indică ei, tehnicile vor permite astronomilor să efectueze mai rapid caracterizările inițiale ale exoplanetelor, permițând astronomilor să prioritizeze țintele pentru observații ulterioare.

Pentru a se asigura că algoritmul lor este la înălțimea sarcinii, Pham și Kaltenegger au făcut o calibrare considerabilă. Aceasta a constat în crearea a 53.130 de profiluri de spectre ale unui Pământ rece cu diverse componente de suprafață – inclusiv zăpadă, apă și nori de apă. Apoi au simulat spectrele pentru această apă în ceea ce privește atmosfera și gradul de reflexie a suprafeței și au atribuit profile de culoare.

„Antrenăm XGBoost pe aceste culori pentru a realiza trei obiective separate: detectarea existenței apei, a existenței norilor și a existenței zăpezii”, a explicat Pham, potrivit Phys.org.

Norii și zăpada, mai ușor de identificat decât apa

Acest XGBoost antrenat a arătat că norii și zăpada sunt mai ușor de identificat decât apa, ceea ce era de așteptat.

În mod similar, ei au fost surprinși să vadă cât de bine XGBoost ar putea identifica apa de pe suprafața planetelor stâncoase doar pe baza culorii.

Metoda propusă de ei nu identifică apa în atmosferele exoplanetelor, ci pe suprafața unei exoplanete prin fotometrie. În plus, aceasta nu va funcționa cu metoda tranzitului, care este în prezent cel mai utilizat și eficient mijloc de detectare a exoplanetelor. Această metodă constă în observarea stelelor îndepărtate pentru a detecta scăderi periodice ale luminozității atribuite exoplanetelor care trec prin fața stelei, în raport cu observatorul.

Pe măsură ce lumina solară trece prin atmosfera exoplanetei în raport cu observatorul, astronomii o vor analiza cu ajutorul spectrometrelor pentru a determina ce substanțe chimice se află acolo.

Vă recomandăm să mai citiți și:

Cum au reușit astronomii să piardă trei exoplanete?

Partea întunecată a unei exoplanete, observată pentru prima dată de astronomi

Atmosfera exoplanetei WASP-189b este similară Pământului. Ce au aflat oamenii de știință?

Astronomii au detectat vapori de apă în atmosfera unei exoplanete de tip „Super Neptun”