Neue Deep-Learning-Methode fügt Keplers Gesamtzahl 301 Planeten hinzu

Neue Deep-Learning-Methode fügt Keplers Gesamtzahl 301 Planeten hinzu

Neue Deep-Learning-Methode fügt Keplers Gesamtzahl 301 Planeten hinzu

Mehr als 45.000 Planeten wurden um andere Sterne herum gefunden, aber Wissenschaftler gehen davon aus, dass unsere Galaxie Millionen von Planeten enthält. Es gibt mehrere Möglichkeiten, diese schwachen kleinen Objekte um helle, viel größere Sterne zu erkennen. Bildnachweis: NASA/JPL-Caltech

Wissenschaftler haben kürzlich 301 neu validierte massive Exoplaneten zur Gesamtzahl der Exoplaneten hinzugefügt. Die Planetenmenge ist die neueste, die sich den 4.569 Planeten anschließt, die bereits validiert wurden und eine große Anzahl entfernter Sterne umkreisen. Wie haben Wissenschaftler scheinbar gleichzeitig eine so große Anzahl von Planeten entdeckt? Die Antwort liegt in einem neuen tiefen neuronalen Netzwerk namens ExoMiner.


Deep Neural Networks sind maschinelle Lernmethoden, die eine Aufgabe automatisch lernen, wenn genügend Daten vorliegen. ExoMiner ist ein neues tiefes neuronales Netzwerk, das den Supercomputer der NASA, die Plejaden, nutzt und echte Exoplaneten von verschiedenen Arten von Gaunern oder „falschen Positiven“ unterscheiden kann. Sein Design ist von vielen Tests und Eigenschaften inspiriert, die menschliche Experten verwenden, um neue Exoplaneten zu bestätigen. Es lernt mit zuvor bestätigten Exoplaneten und falsch positiven Ergebnissen.

ExoMiner vervollständigt Profis darin, Daten zu durchsuchen und zu entschlüsseln, was ein Planet ist und was nicht. Insbesondere Daten, die von der NASA-Raumsonde Kepler und K2, ihrer Nachfolgemission, gesammelt wurden. Für Missionen wie Kepler mit Tausenden von Sternen im Sichtfeld, von denen jeder das Potenzial hat, mehrere potenzielle Exoplaneten zu beherbergen, ist es eine zeitaufwändige Aufgabe, sich in die riesigen Datensätze einzuarbeiten. ExoMiner löst dieses Dilemma.

sagte John Jenkins, ein Exoplaneten-Wissenschaftler am Ames Research Center der NASA im kalifornischen Silicon Valley. „Wir können die Merkmale in den Daten leicht erklären, die ExoMiner dazu veranlassen, einen Planeten abzulehnen oder zu bestätigen.“

Was ist der Unterschied zwischen bestätigt und zertifiziert? extrasolarer Planet? Ein Planet ist „bestätigt“, wenn verschiedene Beobachtungstechniken Merkmale aufdecken, die nur durch einen Planeten erklärt werden können. Ein Planet wird anhand von Statistiken „validiert“ – was bedeutet, wie wahrscheinlich oder wahrscheinlich es ist, basierend auf den Daten, ein Planet zu sein.

In einem Papier veröffentlicht in Astrophysikalisches Journal, erklärt das Team von Ames, wie der ExoMiner 301 entdeckte Planeten Verwendung von Daten aus dem verbleibenden Satz potenzieller – oder Kandidaten – Planeten in den Kepler-Archiven. Alle 301 validierten Planeten wurden automatisch über die Pipeline des Kepler Science Operations Center entdeckt und vom Kepler Science Office in den Status eines Planetenkandidaten hochgestuft. Aber bis ExoMiner konnte niemand sie als Planeten validieren.

Wenn ein Planet direkt zwischen uns und seinem Stern kreuzt, sehen wir den Stern etwas dunkler, weil der Planet einen Teil des Lichts blockiert. Dies ist eine der Methoden, mit denen Wissenschaftler Exoplaneten finden. Sie erstellen ein Diagramm namens Lichtkurve mit der Helligkeit des Sterns gegenüber der Zeit. Anhand dieses Diagramms können Wissenschaftler herausfinden, welcher Prozentsatz des Lichts des Sterns vom Planeten blockiert wird und wie lange der Planet braucht, um die Sternscheibe zu durchqueren. Bildnachweis: Goddard Space Flight Center der NASA

Das Papier zeigt auch, wie ExoMiner beim Ausschluss genauer und konsistenter ist Fehlalarm und eine bessere Fähigkeit, die wahren Signaturen von Planeten zu enthüllen, die ihre Muttersterne umkreisen – und gleichzeitig den Wissenschaftlern die Möglichkeit geben, im Detail zu sehen, was ExoMiner zu seiner Schlussfolgerung führte.

„Wenn Sie ExoMiner sagen, dass etwas ein Planet ist, können Sie sicher sein, dass es ein Planet ist“, fügte Hamid Valizadegan, ExoMiner-Projektleiter und Machine Learning Director beim Space Research Consortium an der Ames University, hinzu. „ExoMiner ist sehr genau und in gewisser Weise zuverlässiger als sowohl aktuelle Maschinenklassifizierer als auch die menschlichen Experten, die es aufgrund der Verzerrungen, die mit menschlichen Etiketten einhergehen, emulieren soll.“

Es wird angenommen, dass keiner der neu bestätigten Planeten erdähnlich ist oder sich in der bewohnbaren Zone ihrer Elternsterne befindet. Aber sie haben ähnliche Eigenschaften wie die Gesamtheit der bestätigten Exoplaneten in der Nähe der Galaxie.

„Diese 301 Entdeckungen helfen uns, Planeten und Sonnensysteme jenseits unserer Konstellation besser zu verstehen und was unseren Planeten so einzigartig macht“, sagte Jenkins.

Während die Suche nach weiteren Exoplaneten weitergeht – mit Missionen, die Transitphotometrie verwenden, wie der Transiting Exoplanet Survey Satellite der NASA oder TESS, die Transiting and Oscillations of Stars PLANetary-Mission oder PLATO, die ExoMiner-Mission – wird es mehr Möglichkeiten haben, dies zu beweisen diese Ebene die Mission.

„Jetzt, da wir ExoMiner mit Kepler-Daten trainiert haben, können wir dieses Gelernte mit ein wenig Feinabstimmung auf andere Aufgaben übertragen, einschließlich TESS, an denen wir derzeit arbeiten“, sagte Valizadegan. „Es gibt Raum für Wachstum.“


Eine neue Methode zum Nachweis von Tatooine-ähnlichen Planeten wurde validiert


das Zitat: Neue Deep-Learning-Methode fügt der Gesamtzahl von Kepler 301 Planeten hinzu (2021, 22. November) Abgerufen am 22. November 2021 von https://phys.org/news/2021-11-deep-method-planets-kepler-total.html

Dieses Dokument unterliegt dem Urheberrecht. Ungeachtet eines fairen Umgangs zu privaten Studien- oder Forschungszwecken darf kein Teil ohne schriftliche Genehmigung reproduziert werden. Die Inhalte werden nur zu Informationszwecken bereitgestellt.

Siehe auch  Wissenschaftler schockiert über die erste Beobachtung, dass ein Virus an einem anderen haftet – „Ich kann das nicht glauben“

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert