С помощью методов машинного обучения астрономы обнаружили пятьдесят новых экзопланет.

Пять планет нашей Солнечной системы можно наблюдать невооружённым взглядом, как похожие на звёзды яркие точки. Но увидеть планеты у самих звёзд – экзопланеты – совсем не просто. Большая часть подтверждённых на сегодня экзопланет открыта косвенным образом. Например, по строго периодическому изменению яркости звезды, когда проходящая мимо звезды экзопланета загораживает собой очень маленькую часть её света. Такой метод обнаружения называется транзитивным. Разумеется, у этого и других способов экзопланетного поиска есть масса ограничений, поэтому астрономы находят только наиболее  благоприятные для обнаружения, а бОльшая их часть остаётся пока что «в тени».

Художественное изображение экзопланетной системы K2-138, обнаруженной в 2018 г. астрономами-любителями при анализе данных с телескопа Kepler. Илл.: NASA/JPL-Caltech

Исследователи из Университета Варвика и Института Алана Тьюринга предложили использовать искусственный интеллект, а если быть точным, то методы машинного обучения, для поиска и подтверждения новых экзопланет. Дело в том, что для подтверждения новой экзопланеты необходимо обработать большие массивы наблюдений за большим количеством звёзд, выделить из них те, где больше вероятность её обнаружить, и затем уже пристально изучить оставшиеся варианты. Для этого разработаны и продолжают разрабатываться определённые статистические критерии. Но если мы говорим о вероятности обнаружения, то это автоматически влечёт за собой возможность ошибки.

Первый тип ошибок заключается в том, что мы не увидим экзопланету, которая в действительности есть, и которую можно обнаружить при текущем уровне развития техники. Второй тип ошибок приводит к тому, что мы ожидаем найти экзопланету там, где её в действительности нет, а значит, потратим ценные ресурсы на попытки подтвердить существование несуществующей планеты.

Второй тип ошибок считается более вредным, что в общем-то логично: звёзд на небе много, как и потенциальных экзопланет, поэтому новые кандидаты на подтверждение всегда найдутся, в отличие от времени и ресурсов астрономов. И было бы странным, если бы для этого полезного для науки дела не воспользовались методами машинного обучения.

Натренировав нейронную сеть искать в ворохе астрономических данных уже подтверждённые экзопланеты и отличать их от экзопланетных «фейков», исследователи смогли, воспользовавшись данными, полученными в прошлом с орбитального телескопа Кеплер, обнаружить и подтвердить 50 новых экзопланет.

Как отмечают авторы работы, созданный ими метод будет отличным инструментом для поиска и подтверждения новых экзопланет по данным с ныне работающего орбитального телескопа TESS или нового космического телескопа PLATO, запуск которого планируется Европейским космическим агентством в 2026 году.