Astrofysikere bruger kunstig intelligens til at bestemme størrelsen af ​​exoplaneter

Ved at bruge en maskinlæringsteknik, et hold af Instituto de Astrofísica e Ciências do Espaço-forskere begrænsede radius af en exoplanet med kendt masse.

Solène Ulmer-Moll, en ph.d. studerende ved det naturvidenskabelige fakultet ved universitetet i Porto (FCUP), forklarer, at dette resultat blev opnået ved at bruge viden fra forskellige områder:"Denne nye måde at forudsige exoplanetradius er et perfekt eksempel på synergien mellem exoplanetvidenskab og maskinlæringsteknikker."

At karakterisere en planet, både dens masse og radius er nødvendige for at finde planetens tæthed, og ud fra det, at udlede dens sammensætning. Men begge data er kun tilgængelige for et reduceret antal exoplaneter, da massen ofte bestemmes af radiale hastighedsmålinger, mens radius måles med transitmetoden.

Holdet udviklede en algoritme, der nøjagtigt forudsiger radius af en lang række exoplaneter, hvis flere andre planet- og stjerneparametre er kendt, inklusive exoplanetens masse og ligevægtstemperatur. Solène Ulmer-Moll siger, "For de hundredvis af planeter opdaget med radialhastighedsmetoden, vi er nu i stand til at forudsige deres radius. Vi kan så forstå, om disse exoplaneter er potentielt klippeverdener."

Indtil nu, kun massen af ​​en exoplanet er blevet brugt til at forudsige dens radius, men holdet arbejder på at ændre dette paradigme ved at inkorporere andre planetariske og stjerneparametre for at styrke deres forudsigelser.

Nuno Cardoso Santos (IA &FCUP) siger, "Dette arbejde samler ekspertisen i vores team smukt, at forene den eksisterende viden om exoplanetdetektion og karakterisering og den statistiske analyse af de detekterede systemer, ved hjælp af avancerede matematiske værktøjer. Det er i det væsentlige de samme matematiske værktøjer, som nu fører til udviklingen af ​​autonome biler."