Med hvert år, der oplever, opdages flere og flere ekstrasolplaneter. For at gøre sagerne mere interessante giver forbedringer i metode og teknologi mulighed for at finde flere planeter inden for individuelle systemer. Overvej den nylige meddelelse om et syvplanet-system omkring den røde dværgstjerne kendt som TRAPPIST-1. På det tidspunkt etablerede denne opdagelse rekorden for de fleste eksoplaneter, der kredser om en enkelt stjerne.
Gå godt over TRAPPIST-1! Takket være Kepler-rumteleskopet og maskinlæring opdagede et hold fra Google AI og Harvard-Smithsonian Center for Astrophysics (CfA) for nylig en ottende planet i det fjerne stjernesystem i Kepler-90. Kendt som Kepler -90i blev opdagelsen af denne planet muliggjort takket være Google-algoritmer, der opdagede bevis for et svagt transit signal i Kepler-missionens data.
Undersøgelsen, der beskriver deres fund, med titlen “Identificering af exoplaneter med dyb læring: En femplan resonanskæde omkring Kepler-80 og en otte planet omkring Kepler-90”, for nylig dukkede op online og er blevet accepteret til offentliggørelse i The Astronomical Journal. Forskningsteamet bestod af Christopher Shallue fra Google AI og Andrew Vanderburg fra University of Texas og CfA.
Kepler-90, en sollignende stjerne, ligger omtrent 2.545 lysår fra Jorden i stjernebilledet Draco. Som nævnt havde tidligere undersøgelser indikeret eksistensen af syv planeter omkring stjernen, en kombination af jordbaserede (aka. Stenede) planeter og gasgiganter. Men efter at have brugt en Google-algoritme, der blev oprettet til at søge gennem Kepler-data, bekræftede forskerteamet, at signalet fra en anden tættere kredsende planet lurede inden i dataene.
Kepler-missionen er afhængig af transittmetoden (alias Transit Photometry) for at skelne mellem planeterne omkring lysere stjerner. Dette består af at observere stjerner for periodiske dips i lysstyrke, hvilket er en indikation af, at en planet passerer foran stjernen (dvs. transiterer) i forhold til observatøren. Af hensyn til deres undersøgelse uddannede Shallue og Vanderburg en computer til at læse lyskurver optaget af Kepler og bestemme tilstedeværelsen af transitter.
Dette kunstige ”neurale netværk” sigtede gennem Kepler-data og fandt svage transportsignaler, der indikerede tilstedeværelsen af en tidligere savnet planet omkring Kepler-90. Denne opdagelse indikerede ikke kun, at dette system er meget lig vores eget, det bekræfter også værdien af at bruge kunstig intelligens til at udnytte arkivdata. Mens maskinlæring er blevet brugt til at søge i Kepler-data før, viser denne forskning, at selv de svageste signaler nu kan skelnes.
Som Paul Hertz, direktør for NASAs Astrophysics Division i Washington, sagde i en nylig pressemeddelelse fra NASA:
”Ligesom vi forventede, er der spændende opdagelser, der lurer i vores arkiverede Kepler-data, og venter på, at det rigtige værktøj eller teknologi skal finde dem. Denne konstatering viser, at vores data vil være en skattekiste til rådighed for innovative forskere i de kommende år. ”
Denne nyopdagede planet, kendt som Kepler-90i, er en stenet planet, der kan sammenlignes i størrelse med Jorden (1,32 ± 0,21 Jordradiier), der kredser om sin stjerne med en periode på 14,4 dage. I betragtning af dens nærhed til sin stjerne antages denne planet at opleve ekstreme temperaturer på 709 K (436 ° C; 817 ° F) - hvilket gør den varmere end Mercurys højdag på dagen på 700 K (427 ° C; 800 ° F).
Som senior softwareingeniør med Googles forskerteam Google AI, kom Shallue på ideen om at anvende et neuralt netværk på Kepler-data efter at have lært, at astronomi (som andre grene af videnskab) hurtigt bliver et "big data" -problem. Efterhånden som teknologien til dataindsamling bliver mere avanceret, finder forskere sig oversvømmede med datasæt med stadig større størrelse og kompleksitet. Som Shallue forklarede:
”På min fritid begyndte jeg at google for at” finde exoplaneter med store datasæt ”og fandt ud af Kepler-missionen og det enorme tilgængelige datasæt. Maskinlæring skinner virkelig i situationer, hvor der er så meget data, at mennesker ikke kan søge efter dem selv. ”
Kepler-missionen akkumulerede i sine første fire år i drift et datasæt, der bestod af 35.000 mulige planetariske transportsignaler. Tidligere blev automatiserede test og undertiden visuelle inspektioner brugt til at verificere de mest lovende signaler i dataene. Imidlertid blev de svageste signaler ofte savnet med disse metoder, hvorved titusinder eller endda hundreder af planeter var uberegnede.
På udkig efter at forbedre dette, samarbejdede Shallue Andrew Vanderburgh - en National Science Foundation Graduate Research Fellow og NASA Sagan Fellow - for at se, om maskinlæring kunne miner dataene og skabe flere signaler. Det første trin bestod af at træne et neuralt netværk til at identificere transiterende exoplaneter ved hjælp af et sæt på 15.000 tidligere overvågede signaler fra Kepler-exoplanetkataloget.
I testsættet identificerede det neurale netværk rigtige planeter og falske positiver med en 96% nøjagtighed. Efter at have demonstreret, at det kunne genkende transportsignaler, dirigerede teamet derefter deres neurale netværk til at søge efter svagere signaler i 670 stjernesystemer, der allerede havde flere kendte planeter. Disse omfattede Kepler-80, der havde fem tidligere kendte planeter, og Kepler-90, der havde syv. Som Vanderburg indikerede:
”Vi har masser af falske positive planeter, men også potentielt mere rigtige planeter. Det er som at sile gennem klipper for at finde juveler. Hvis du har en finere sil, vil du fange flere klipper, men du kan også fange flere juveler. ”
Den sjette planet i Kepler-80 er kendt som Kepler-80g, en jordstørrelse planet, der er i en resonanskæde med sine fem naboplaneter. Dette sker, når planeter er låst af deres gensidige tyngdekraft i et ekstremt stabilt system, svarende til hvad TRAPPIST-1s syv planeter oplever. Kepler-90i er på den anden side en jordstørrelse planet, der oplever kviksølvlignende forhold og kredsløb uden for 90b og 90c.
I fremtiden planlægger Shallue og Vanderburg at anvende deres neurale netværk til Keplers fulde arkiv med mere end 150.000 stjerner. I dette enorme datasæt lurer sandsynligvis mange flere planeter og citerer muligvis inden for multiplanetære systemer, der allerede er blevet undersøgt. I denne henseende har Kepler-missionen (som allerede har været uvurderlig for exoplanet-forskning) vist, at den har meget mere at byde på.
Som Jessie Dotson, Keplers projektforsker ved NASAs Ames Research Center, udtrykte det:
”Disse resultater viser den vedvarende værdi af Keplers mission. Nye måder at se på dataene på - som f.eks. Denne tidlige fase af anvendelse af maskinlæringsalgoritmer - lover at fortsætte med at give betydelige fremskridt i vores forståelse af planetariske systemer omkring andre stjerner. Jeg er sikker på, at der er flere første i dataene, der venter på, at folk finder dem. ”
Det faktum, at en sollignende stjerne nu er kendt for at have et system på otte planeter (som vores solsystem), er der dem, der spekulerer på, om dette system kan være en god chance for at finde et land uden land. Men inden nogen bliver for ophidset, er det værd at bemærke, at Kepler-90-tallet planeter alle kredser temmelig tæt på stjernen. Det er den yderste planet, Kepler-90h, kredsløb i en afstand, der ligner sin stjerne, som Jorden gør med Solen.
Opdagelsen af en ottende planet omkring en anden stjerne betyder også, at der er et system derude, der konkurrerer med solsystemet i det samlede antal planeter. Måske er det på tide, at vi genovervejede IAU-beslutningen i 2006 - ved du, den, hvor Pluto blev "nedlagt"? Og mens vi er ved det, skal vi måske hurtigt spore Ceres, Eris, Haumea, Makemake, Sedna og resten til planethood. Ellers, hvordan ellers har vi planer om at opretholde vores rekord?
I fremtiden vil lignende maskinlæringsprocesser sandsynligvis blive anvendt på næste generations eksoplanetjagtmissioner, såsom Transiting Exoplanet Survey Satellite (TESS) og James Webb Space Telescope (JWST). Disse missioner er planlagt til lancering i henholdsvis 2018 og 2019. Og i mellemtiden er der helt sikkert mange flere afsløringer, der kommer fra Kepler!
