
Команда астрономов из Соединённого Королевства использовала алгоритм машинного обучения для анализа выборки экзопланет-кандидатов, идентифицированных космическим телескопом “Кеплер” (НАСА), и определения того, какие из них реальные, а какие – ошибочные.
“Что касается проверки планет, никто раньше не использовал технику машинного обучения”, – сказал ведущий автор работы доктор Дэвид Армстронг, астроном из Департамента физики и Центра обитаемости экзопланет Университета Уорика.
Ранее машинное обучение уже применялось для ранжирования планетных кандидатов, но никогда не использовалось в рамках вероятностной структуры, а это именно то, что нужно для подтверждения кандидата на звание планеты.
Доктор Армстронг и его коллеги создали алгоритм машинного обучения, который может отличать настоящие планеты от ошибок в данных, анализируя большие выборки, включающие тысячи кандидатов, найденных с помощью телескопов.
Он был обучен распознавать реальные планеты с использованием двух больших выборок подтверждённых планет и ложных срабатываний в данных “Кеплера”.
Затем исследователи использовали алгоритм на наборе данных ещё неподтверждённых планет-кандидатов, в результате чего было получено 50 новых подтверждённых планет.
Эти планеты имеют различные размеры и орбиты от одного до 200 дней.
Подтвердив, что они реальны, учёные теперь могут расставить приоритеты для дальнейших наблюдений с помощью специальных телескопов.
“Мы надеемся применить эту технику к большим выборкам кандидатов из текущих и будущих миссий, таких как TESS и PLATO”, – сказал доктор Армстронг.
Результаты исследования были представлены в статье, опубликованной в Monthly Notices of the Royal Astronomical Society.