Neuronales Netzwerk entdeckt achten Planeten im System Kepler-90

Künstlerische Darstellung der Planeten im System Kepler-90 (Abstände nicht maßstabsgetreu). (Credits: NASA / Wendy Stenzel)
Künstlerische Darstellung der Planeten im System Kepler-90 (Abstände nicht maßstabsgetreu). (Credits: NASA / Wendy Stenzel)

Mit der jüngsten Entdeckung eines achten Planeten um den Stern Kepler-90 teilt sich unser Sonnensystem nun den ersten Platz für die höchste Anzahl von Planeten um einen Einzelstern. Kepler-90 ist ein sonnenähnlicher Stern, der rund 2.545 Lichtjahre von der Erde entfernt im Sternbild Draco (Drache) liegt. Der Planet wurde mit Daten des NASA-Weltraumteleskops Kepler entdeckt.

Der neu entdeckte Planet Kepler-90i, ein heißer Gesteinsplanet, der seinen Stern alle 14,4 Tage umkreist, wurde mittels maschinellem Lernen von Google gefunden. Maschinelles Lernen ist ein Ansatz für künstliche Intelligenz, durch den Computer “lernen”. In diesem Fall lernten Computer, Planeten in Kepler-Daten zu identifizieren, indem sie Ereignisse fanden, bei denen das Teleskop Signale von Planeten jenseits unseres Sonnensystems aufzeichnete, sogenannten Exoplaneten.

“Wie wir erwartet hatten, schlummern aufregende Entdeckungen in unseren archivierten Kepler-Daten, die auf das richtige Hilfsmittel oder die richtige Technologie warten, um sie aufzuspüren”, sagte Paul Hertz, der Direktor der NASA Astrophysics Division in Washington. “Diese Entdeckung zeigt, dass unsere Daten über Jahre hinaus eine Schatzkiste für innovative Forscher sein werden.”

Die Entdeckung wurde gemacht, nachdem die Forscher Christopher Shallue und Andrew Vanderburg einen Computer darauf trainierten zu lernen, wie er Exoplaneten in den von Kepler aufgezeichneten Lichtkurven identifizieren kann. Kepler zeichnet die winzigen Helligkeitsveränderungen auf, wenn ein Planet vor seinem Stern vorbeizieht, was als Transit bezeichnet wird. Inspiriert durch die Art und Weise, wie Neuronen sich im menschlichen Gehirn verbinden, sichtete dieses künstliche neuronale Netzwerk die Kepler-Daten und fand schwache Transitsignale von einem bislang übersehenen achten Planeten um Kepler-90.

Obwohl maschinelles Lernen bereits zuvor für das Durchsuchen der Kepler-Datenbank verwendet wurde, demonstriert diese Forschungsarbeit, dass neuronale Netzwerke ein vielversprechendes Hilfsmittel sind, um einige der schwächsten Signale von fernen Welten zu finden.

Andere Planetensysteme sind für Leben wahrscheinlich besser geeignet als Kepler-90. Kepler-90i ist etwa 30 Prozent größer als die Erde und befindet sich so nah an seinem Stern, dass seine durchschnittliche Oberflächentemperatur vermutlich 420 Grad Celsius übersteigt – das ist vergleichbar mit Merkur. Der äußerste Planet, Kepler-90h, umkreist seinen Stern in einem ähnlichen Abstand wie die Erde die Sonne.

“Das Sternsystem Kepler-90 ist wie eine Miniversion unseres eigenen Sonnensystems. Es gibt kleine Planeten innen und große Planeten außen, aber alles liegt viel näher aneinander”, sagte Vanderburg, ein NASA Sagan-Postdoktorand und Astronom an der University of Texas in Austin.

Shallue, ein Senior-Softwareingenieur von Googles Forschungsteam Google AI, hatte die Idee, ein neuronales Netzwerk auf die Kepler-Daten anzuwenden. Er begann sich für die Entdeckung von Exoplaneten zu interessieren, nachdem er erfahren hatte, dass die Astronomie (so wie andere naturwissenschaftliche Fachbereiche) rasch mit Daten überflutet wird, während die Technologie für die Datensammlung aus dem Weltraum weiter voranschreitet.

“In meiner Freizeit googlete ich nach ‘Exoplaneten in großen Datensätzen finden’ und fand die Kepler-Mission und die große verfügbare Datenbank”, sagte Shallue. “Maschinelles Lernen glänzt wirklich in Situationen, wo es so viele Daten gibt, dass Menschen sie nicht selbst durchsuchen können.”

Keplers vierjähriger Datensatz besteht aus 35.000 möglichen Planetensignalen. Um die vielversprechendsten Signale in den Daten zu verifizieren, werden automatisierte Tests und manchmal das menschliche Auge verwendet. Die schwächsten Signale werden mit diesen Methoden jedoch oft übersehen. Shallue und Vanderburg dachten, es könnte weitere interessante Exoplaneten-Entdeckungen geben, die schwach in den Daten schlummern.

Als erstes trainierten sie das neuronale Netzwerk darauf, vorbeiziehende Exoplaneten in einem Datensatz mit 15.000 früher aufgezeichneten Signalen des Kepler-Exoplanetenkatalogs zu identifizieren. Im Testdatensatz identifizierte das neuronale Netzwerk echte Planeten und falsch positive Kandidaten mit einer Trefferwahrscheinlichkeit von 96 Prozent. Nachdem das neuronale Netzwerk “gelernt” hatte, die Muster von vorbeiziehenden Exoplaneten zu registrieren, richteten die Forscher ihr Modell auf die Suche nach schwächeren Signalen in 670 Sternsystemen, in denen bereits mehrere Planeten bekannt waren. Ihre Vermutung war, dass Systeme mit mehreren Planeten die besten Orte seien, um nach weiteren Exoplaneten zu suchen.

“Wir erhielten viele falsch positive Planetenkandidaten, aber auch potenziell mehr echte Planeten”, sagte Vanderburg. “Es ist so, als ob man Gestein durchwühlt, um Juwelen zu finden. Wenn man ein feineres Sieb hat, wird man mehr Gestein bekommen, aber möglicherweise auch mehr Juwelen.”

Kepler-90i war nicht das einzige Juwel, das von dem neuronalen Netzwerk gefunden wurde. Im System Kepler-80 fand es einen sechsten Planeten. Dieser erdgroße Planet namens Kepler-80g und vier benachbarte Planeten bilden etwas, das als Resonanzkette bezeichnet wird: Die Planeten sind durch ihre Gravitation in einem rhythmischen Orbitaltanz gefangen. Die Folge ist ein extrem stabiles System, ähnlich wie bei den sieben Planeten im System TRAPPIST-1.

Die Abhandlung, die diese Ergebnisse beschreibt, wurde für die Veröffentlichung im Astronomical Journal freigegeben. Shallue und Vanderburg planen, ihr neuronales Netzwerk auf den vollständigen Kepler-Datensatz mit über 150.000 Sternen anzuwenden.

Kepler hat einen beispiellosen Datensatz für die Suche nach Exoplaneten produziert. Nachdem das Weltraumteleskop vier Jahre lang denselben Himmelsausschnitt beobachtet hatte, wird es jetzt im Rahmen einer erweiterten Mission betrieben und wechselt sein Beobachtungsgebiet alle 80 Tage.

“Diese Ergebnisse demonstrieren den fortwährenden Wert der Kepler-Mission”, sagte Jessie Dotson, Kepler-Projektwissenschaftlerin am Ames Research Center der NASA im kalifornischen Silicon Valley. “Neue Wege zur Betrachtung der Daten – wie dieser frühe Ansatz zur Anwendung des maschinellen Lernens – versprechen entscheidende Fortschritte für unser Wissen über Planetensysteme um andere Sterne. Ich bin sicher, dass es in den Daten noch weitere Entdeckungen gibt, die darauf warten, gefunden zu werden.”

Das Ames Research Center betreibt die Kepler- und K2-Missionen für das Science Mission Directorate der Agentur in Washington. Das Jet Propulsion Laboratory (JPL) der NASA in Pasadena (Kalifornien) leitete die Entwicklung der Kepler-Mission. Die Ball Aerospace & Technologies Corporation betreibt das Flugsystem mit Unterstützung des Laboratory for Atmospheric and Space Physics an der University of Colorado in Boulder. Diese Arbeit wurde vom Carl Sagan Postdoctoral Fellowship Program des NASA Exoplanet Science Institute durchgeführt.

Quelle

(THK)

Werbung

Ersten Kommentar schreiben

Antworten

Deine E-Mail-Adresse wird nicht veröffentlicht.


*