توسط : برای اولین بار، ستاره‌شناسان از فرایندی مبتنی بر یادگیری ماشین ، نوعی هوش مصنوعی برای تجزیه و تحلیل نمونه‌ای از سیارات بالقوه و تعیین اینکه کدام یک از آنها واقعی یا جعلی هستند، استفاده کرده‌اند. در واقع این الگوریتم برای شناسایی سیارات جدید، کاربردی و قابل استفاده خواهد بود و طی این تحقیقات مشخص شد که ۵۰ سیاره جدید واقعی وجود دارند. در ادامه جزییات بیشتر را در اختیارتان قرار خواهیم داد.
نتایج منجمان در یک مطالعه جدید منتشر شده در Notices of the Royal Astronomical Society، بسیار جذاب بوده و روش‌های اعتبارسنجی سیارات را به ارمغان آورده است. نتیجه‌گیری‌های آنها با استفاده از تکنیک‌های اعتبارسنجی متعدد، از جمله الگوریتم یادگیری ماشین، منجر به کشف سیارات تازه‌ای شده است.
تشخیص بین سیارات واقعی از جعلی از طریق دریافت داده‌ها توسط تلسکوپ‌ها
بسیاری از بررسی‌های سیاره‌های فراخورشیدی از طریق مقادیر زیادی از داده‌ها از تلسکوپ‌ها، علائم عبور سیارات را از بین ستاره‌ها جستجو می‌کنند. محققان گروه‌های فیزیک و علوم رایانه‌ای “وارویک” و همچنین موسسه آلن تورینگ، الگوریتمی مبتنی بر یادگیری ماشینی ساختند که می‌تواند سیارات واقعی را از سیارات جعلی در نمونه‌های بزرگ که توسط ماموریت‌های تلسکوپ مانند کپلر ناسا و TESS کشف شده‌اند، تشخیص دهد.
این کار برای شناسایی سیارات واقعی با استفاده از دو نمونه بزرگ از سیارات تایید شده و کذب از ماموریت بازنشسته کپلر آموزش دیده است. محققان سپس الگوریتم را بر روی مجموعه‌ای از سیاره‌های کپلر که هنوز تأیید نشده‌اند، به کار بردند. در نتیجه پنجاه سیاره تأیید شده جدید کشف شدند. تکنیک‌های قبلی یادگیری ماشین سیارات را درجه‌بندی کرده است، اما هرگز احتمال اینکه یک سیاره واقعی باشد، تعیین نشده است در نهایت نیز به اعتبارسنجی سیاره است.
توضیحی در مورد سیاره های تایید شده
این پنجاه سیاره در مواردی بزرگتر از نپتون و در مواردی دیگر کوچکتر از زمین هستند و با مدارهای طولانی از ۲۰۰ روز تا یک روز وجود دارند. با تأیید واقعی بودن این پنجاه سیاره، ستاره شناسان اکنون می‌توانند برای مشاهدات بیشتر با تلسکوپ‌های اختصاصی این موارد را در اولویت قرار دهند.
دکتر دیوید آرمسترانگ، از اساتید گروه فیزیک دانشگاه وارویک، گفت: “الگوریتمی که ما ایجاد کرده‌ایم به ما این امکان را می‌دهد تا پنجاه سیاره را اعتبارسنجی کنیم و آنها را به سیارات واقعی ارتقا دهیم. امیدواریم که این روش را برای نمونه‌های زیادی از سیارات احتمالی اعمال کنیم. از نظر اعتبار سیاره، هیچ کس قبلاً از تکنیک یادگیری ماشین استفاده نکرده است. یادگیری ماشین برای رتبه بندی سیاره‌ای استفاده شده است. به جای اینکه بگویید کدام سیارات به احتمال زیاد سیاره هستند، اکنون می‌توانیم بگوییم که احتمال آماری دقیق چیست. “
دکتر تئو دامولاس از اساتید گروه علوم رایانه‌ای دانشگاه وارویک و معاون مدیر مهندسی داده و مرکز تحقیقات تورینگ در موسسه آلن تورینگ گفت: “رویکردهای احتمالی یادگیری ماشین آماری به ویژه برای یک مسئله مهیج مانند این در اختر فیزیک مناسب است که مستلزم تلفیق دانش قبلی از متخصصانی مانند دکتر آرمسترانگ و عدم قطعیت در پیش بینی‌ها است.”
اعتبارسنجی سیارات در آینده نه چندان دور
این الگوریتم یادگیری ماشین پس از ساخت و آموزش، سریع‌تر از تکنیک های موجود است و می‌تواند کاملاً خودکار باشد و آن را برای تجزیه و تحلیل هزاران سیاره دیگر نیز می‌توان استفاده کرد. محققان استدلال می‌کنند که این باید یکی از ابزارهایی باشد که برای اعتبارسنجی سیارات ناشناخته در آینده مورد استفاده قرار گیرد.
دکتر آرمسترانگ می‌افزاید: “تقریباً ۳۰٪ از سیارات شناخته شده تاکنون فقط با استفاده از یک روش تأیید شده‌اند و این متاسفانه روش ایده آل نیست. توسعه روش‌های جدید برای اعتبارسنجی بسیار مطلوب است. یادگیری ماشینی همچنین به ما این امکان را می‌دهد تا این کار را خیلی سریع تر انجام دهیم تا اولویت‌بندی نامزدها نیز خیلی سریع تر انجام شود.”
