Een team astronomen van de University of Warwick heeft met behulp van kunstmatige intelligentie meer dan honderd nieuwe exoplaneten gevalideerd in observatiegegevens van NASA's Transiting Exoplanet Survey Satellite (TESS). De doorbraak werd mogelijk gemaakt door een nieuw ontwikkelde AI-tool genaamd RAVEN, die in minder dan zestien dagen door gegevens van 2,2 miljoen sterren kon zoeken.
Massale doorlichting van TESS-gegevens
universetoday.com staat RAVEN voor RAnking and Validation of ExoplaNets en is het specifiek ontwikkeld als een validatiepipeline voor TESS-exoplanetkandidaten. Het onderzoek, gepubliceerd in het wetenschappelijke tijdschrift Monthly Notices of the Royal Astronomical Society, werd geleid door Dr. Marina Lafarga Magro, postdoctoraal onderzoeker aan de University of Warwick.
De onderzoekers richtten zich specifiek op planeten die zeer dicht bij hun moederster draaien, met omlooptijden tussen een halve en zestien dagen. Dit omvat zelfs zogenaamde Ultra-Short Period planeten die in minder dan één aardse dag rond hun ster cirkelen. starlust.org leverde RAVEN de resultaten aan de onderzoekers in minder dan zestien dagen, een opmerkelijke prestatie gezien de enorme hoeveelheid te verwerken data.
Uitdaging van valse positieven
Een van de grootste uitdagingen bij het bevestigen van exoplanetkandidaten is het grote aantal valse positieven. Deze kunnen ontstaan door verduisterende dubbelsterren, signalen van stellaire variabiliteit of instrumentsystemen, en hiërarchische systemen die transits produceren bij achtergrond- of nabijgelegen sterren. astrobiology.com monitort TESS de hemel op subtiele verduisteringen van sterrenlicht die worden veroorzaakt wanneer planeten voor hun moederster langstrekken.
Dr. Andreas Hadjigeorghiou van de University of Warwick, die de ontwikkeling van de AI-tool leidde, legt uit dat de uitdaging ligt in het identificeren of de verduistering inderdaad wordt veroorzaakt door een planeet in een baan rond de ster of door iets anders, zoals verduisterende dubbelsterren. Dit is precies wat RAVEN probeert te beantwoorden.
Belangrijke resultaten voor toekomstig onderzoek
"Met behulp van onze nieuw ontwikkelde RAVEN-pipeline konden we 118 nieuwe planeten valideren, en meer dan 2.000 hoogwaardige planeethkandidaten, waarvan er bijna 1.000 volledig nieuw zijn," aldus Dr. Lafarga Magro in een verklaring. space.com vertegenwoordigt dit een van de best gekarakteriseerde steekproeven van nabijgelegen planeten en zal het helpen bij het identificeren van de meest veelbelovende systemen voor toekomstig onderzoek.
De bevindingen bieden wetenschappers de meest nauwkeurige schatting tot nu toe van hoe vaak deze kortperiodische werelden voorkomen rond zonachtige sterren. Dit is cruciaal voor ons begrip van planetaire formatie en evolutie, vooral omdat sommige wetenschappers denken dat deze exoplaneten de overgebleven rotsachtige kernen zijn van ooit veel grotere gasreuzen waarvan de atmosferen zijn weggestript door hun sterren.
Groeiende rol van AI in astronomie
De toepassing van kunstmatige intelligentie en machine learning levert een steeds grotere bijdrage aan de astronomie. Naarmate krachtige telescopen en grote geautomatiseerde surveys gebruikelijker worden, vereisen de enorme hoeveelheden data die ze genereren even krachtige diagnostische hulpmiddelen. De Vera Rubin Observatory, bijvoorbeeld, genereert tot 20 terabyte aan data per nacht tijdens zijn Legacy Survey of Time and Space.
Hoewel de Rubin Observatory momenteel de grootste datagenerator is, produceren ook exoplaneetjachtmissies zoals Kepler en TESS hun eigen gegevens die analyse vereisen. Wetenschappers verwerken deze data nog steeds, en naarmate de tijd verstrijkt, maken ze steeds meer en beter gebruik van AI en ML om die data te "delven" naar onthulde exoplaneten.
De succesvolle toepassing van RAVEN op TESS-data toont aan hoe AI-tools kunnen helpen om verborgen schatten in bestaande astronomische datasets te ontdekken. Met duizenden nieuwe kandidaat-planeten geïdentificeerd, hebben astronomen nu een rijke bron van potentiële onderzoeksdoelen voor toekomstige missies en observatiecampagnes. Deze ontwikkeling markeert een belangrijke stap voorwaarts in onze zoektocht naar het begrijpen van planetaire systemen buiten ons eigen zonnestelsel.