Ein Forschungsteam der University of Georgia hat Hinweise auf einen bislang unbekannten Planeten jenseits unseres Sonnensystems bestätigt und nutzte maschinelles Lernen, um ihn aufzuspüren. Eine kürzlich erschienene Studie des Teams zeigte, dass maschinelles Lernen die Präsenz eines Exoplaneten korrekt bestimmen kann, indem die protoplanetaren Scheiben betrachtet werden – das Gas um neu entstandene Sterne. Die neuen Ergebnisse repräsentieren einen ersten Schritt in Richtung der Nutzung maschinellen Lernens, um bislang übersehene Exoplaneten zu identifizieren.
„Wir bestätigten den Planeten mit traditionellen Methoden, aber unsere Modelle leiteten uns, um diese Simulationen durchzuführen, und zeigten uns genau, wo der Planet sein könnte“, sagte Jason Terry, Doktorand an der Abteilung für Physik und Astronomie des Franklin College of Arts and Sciences und Hauptautor der Studie.
„Als wir unsere Modelle auf eine Reihe älterer Beobachtungen anwandten, identifizierten sie eine Scheibe, in der kein Planet bekannt war, obwohl sie bereits analysiert wurde. Wie bei früheren Entdeckungen führten wir Simulationen der Scheibe durch und stellten fest, dass ein Planet der Beobachtung entsprechen könnte“, sagte Terry.
Terry zufolge sprachen die Modelle für die Präsenz eines Planeten, worauf mehrere Bilder hinwiesen, die eine besondere Region der Scheibe sehr betonten. Sie stellte sich als die charakteristische Signatur für einen Planeten heraus – eine ungewöhnliche Abweichung bei der Geschwindigkeit des Gases in der Nähe des Planeten.
„Dies ist ein unglaublich aufregender Machbarkeitsnachweis. Wir wussten anhand unserer früheren Arbeit, dass wir maschinelles Lernen nutzen können, um bekannte, entstehende Exoplaneten zu finden“, sagte Cassandra Hall, Assistenzprofessorin für rechnergestützte Astrophysik und leitende Forscherin der Exoplanet and Planet Formation Research Group an der University of Georgia. „Jetzt wissen wir mit Sicherheit, dass wir es nutzen können, um völlig neue Entdeckungen zu machen.“
Die Entdeckung unterstreicht, wie maschinelles Lernen die Leistungsfähigkeit besitzt, um die Arbeit von Wissenschaftlern zu verbessern, indem es eine künstliche Intelligenz als ein zusätzliches Werkzeug verwendet, um die Genauigkeit der Forscher zu erweitern und ihre Zeit bei der Untersuchung des fernen Weltraums effizienter zu gestalten. Die Modelle konnten ein Signal in den Daten registrieren, die Menschen bereits analysiert hatten, und fanden etwas, das zuvor unentdeckt blieb.
„Das demonstriert, dass unsere Modelle – und maschinelles Lernen im Allgemeinen – die Fähigkeit haben, schnell und präzise wichtige Informationen zu identifizieren, die Menschen übersehen können. Dies hat das Potenzial, die Analyse und nachfolgenden theoretischen Einblicke erheblich zu beschleunigen“, sagte Terry. „Es dauerte nur rund eine Stunde, um den gesamten Katalog zu analysieren und starke Hinweise auf einen neuen Planeten an einem bestimmten Ort zu finden. Daher denken wir, dass dies eine wichtige Anwendung für diese Techniken sein wird, weil unsere Datensätze sogar noch größer werden.“
(THK)
Antworten