Novo método de aprendizagem profunda adiciona 301 planetas ao número total de Kepler

Cientistas adicionaram recentemente 301 exoplanetas massivos recentemente validados ao número total de exoplanetas. A multidão de planetas é a última a se juntar aos 4.569 planetas que já foram validados e orbitam um grande número de estrelas distantes. Como os cientistas descobriram um número tão grande de planetas, aparentemente de uma vez? A resposta está em uma nova rede neural profunda chamada ExoMiner.

Redes neurais profundas são métodos de aprendizado de máquina que aprendem automaticamente uma tarefa quando recebem dados suficientes. ExoMiner é uma nova rede neural profunda que aproveita as vantagens do supercomputador da NASA, as Pleiades, e pode distinguir exoplanetas reais de diferentes tipos de vigaristas, ou “falsos positivos”. Seu design é inspirado em muitos dos testes e características que os especialistas humanos usam para confirmar novos exoplanetas. Ele aprende usando exoplanetas previamente confirmados e falsos positivos.

ExoMiner completa profissionais em combinar dados e decifrar o que é um planeta e o que não é. Especificamente, os dados coletados pela espaçonave Kepler da NASA e K2, sua missão de acompanhamento. Para missões como o Kepler, com milhares de estrelas em seu campo de visão, cada uma com potencial para hospedar vários exoplanetas em potencial, é uma tarefa demorada mergulhar nos enormes conjuntos de dados. O ExoMiner resolve esse dilema.

disse John Jenkins, cientista de exoplanetas do Ames Research Center da NASA, no Vale do Silício, na Califórnia. “Podemos explicar facilmente as características dos dados que levam o ExoMiner a rejeitar ou confirmar um planeta.”

Qual é a diferença entre confirmado e certificado? planeta extra-solar? Um planeta é “confirmado” quando várias técnicas de observação revelam características que só podem ser explicadas por um planeta. Um planeta é “validado” usando estatísticas – o que significa a probabilidade ou probabilidade de ser um planeta com base nos dados.

Em um artigo publicado em Astrophysical Journal, a equipe da Ames explica como o ExoMiner 301 descobriu planetas Usando dados do conjunto restante de planetas potenciais – ou candidatos – nos arquivos do Kepler. Todos os 301 planetas validados foram descobertos automaticamente através do pipeline do Kepler Science Operations Center e atualizados para o status de candidato a planeta pelo Kepler Science Office. Mas até o ExoMiner, ninguém era capaz de validá-los como planetas.

O documento também mostra como o ExoMiner é mais preciso e consistente na exclusão falso-positivo e melhor capacidade de revelar as verdadeiras assinaturas de planetas orbitando suas estrelas-mãe – ao mesmo tempo em que dá aos cientistas a capacidade de ver em detalhes o que levou o ExoMiner à sua conclusão.

“Quando você diz ao ExoMiner que algo é um planeta, pode ter certeza de que é um planeta”, acrescentou Hamid Valizadegan, líder do projeto ExoMiner e diretor de aprendizado de máquina do Universities Space Research Consortium em Ames. “O ExoMiner é muito preciso e, de certa forma, mais confiável do que os classificadores de máquinas atuais e os especialistas humanos que ele deve emular devido aos preconceitos que vêm com os rótulos humanos.”

Acredita-se que nenhum dos planetas recém-confirmados seja semelhante à Terra ou esteja localizado na zona habitável de suas estrelas-mãe. Mas eles compartilham características semelhantes ao total de exoplanetas confirmados nas proximidades da galáxia.

“Essas 301 descobertas nos ajudam a entender melhor os planetas e sistemas solares além de nossa constelação, e o que torna nosso planeta tão único”, disse Jenkins.

À medida que a busca por mais exoplanetas continua – com missões que usam fotometria de trânsito, como Transiting Exoplanet Survey Satellite, ou TESS, a missão PLAnetary Transiting and Oscillations of Stars, ou PLATO, a missão ExoMiner – terá mais oportunidades de provar isso em neste nível. a missão.

“Agora que treinamos o ExoMiner com dados do Kepler, com um pequeno ajuste, podemos transferir esse aprendizado para outras tarefas, incluindo TESS, nas quais estamos trabalhando atualmente”, disse Valizadegan. “Há espaço para crescimento.”