Новий метод машинного навчання, розроблений науковцями Бернського університету, здатний передбачати існування землеподібних планет з точністю 99%, що суттєво прискорює пошук потенційно придатних для життя світів.

Виявлення екзопланет, схожих на Землю, є одним із найважливіших завдань сучасної астрономії. Такі планети представляють найбільший інтерес у контексті пошуку позаземного життя. Дослідники з Бернського університету та Національного центру компетенції в дослідженнях (NCCR) PlanetS створили інноваційну модель, що аналізує характеристики планетних систем і визначає ймовірність наявності в них землеподібних світів.

Алгоритм машинного навчання розпізнає складні закономірності, які вказують на присутність планет, подібних до Землі, навіть коли ці планети безпосередньо не спостерігаються. Ця технологія може революціонізувати астробіологічні дослідження, оскільки дозволяє зосередити ресурси на найперспективніших зіркових системах.

Методологія та розробка моделі

Модель створили науковці, пов’язані з Бернським університетом. Доктор Жанна Давулт, перший автор дослідження, розробила алгоритм під час роботи над докторською дисертацією у Відділі космічних досліджень і планетних наук. Значний внесок зробили професор Ян Аліберт, співдиректор Центру космосу і придатності для життя, та аспірант Ромен Ельтшингер.

Для навчання алгоритму використовувалась так звана “Бернська модель” формування та еволюції планет. Доктор Аліберт пояснює: “Бернську модель можна використовувати для того, щоб робити заяви про те, як формувалися планети, як вони еволюціонували і які типи планет розвиваються за певних умов у протопланетному диску”. Ця модель розвивається в Бернському університеті з 2003 року і є однією з найкомплексніших у світі.

Алгоритм аналізує численні параметри планетних систем і встановлює взаємозв’язки між різними характеристиками системи та ймовірністю існування в ній землеподібних планет. Навчання відбувалося на даних синтетичних планетарних систем, згенерованих за допомогою Бернської моделі, що дозволило включити широкий спектр сценаріїв формування планет.

Вражаюча точність та практичне застосування

Результати тестування моделі виявились вражаючими. За словами доктора Давулт: “Алгоритм досягає значень точності до 0,99, а це означає, що 99% систем, ідентифікованих моделлю машинного навчання, мають принаймні одну планету, схожу на Землю”. Така висока точність робить цей інструмент надзвичайно цінним для астрономічних досліджень.

Після успішного тестування на синтетичних даних модель застосували до реальних спостережуваних планетних систем. Аналіз виявив 44 системи з високою ймовірністю наявності невиявлених планет, схожих на Землю. Теоретичні розрахунки підтвердили можливість існування таких планет у зазначених системах.

Ромен Ельтшингер, який зробив внесок у подальший розвиток моделі, підкреслює її значення для майбутніх космічних місій: “Ці результати важливі для наукової спільноти, зокрема для майбутніх космічних місій, таких як PLATO, або майбутніх концепцій місій, таких як LIFE, які будуть присвячені відкриттю і визначенню характеристик малих, холодних планет”.

Перспективи для пошуку позаземного життя

Застосування методів машинного навчання до астрономічних даних відкриває нові горизонти в пошуку потенційно придатних для життя світів. Цілеспрямоване дослідження перспективних систем значно скорочує час, необхідний для виявлення землеподібних планет, оптимізуючи використання обмежених ресурсів астрономічних спостережень.

Доктор Аліберт підсумовує значення цього дослідження: “Це значний крок у пошуку планет з умовами, сприятливими для життя, і, зрештою, у пошуку життя у Всесвіті”. Модель машинного навчання не лише прискорює виявлення цікавих планетних систем, але й поглиблює наше розуміння процесів формування планет та умов, необхідних для виникнення життя.

У майбутньому планується вдосконалення моделі шляхом включення нових даних від сучасних телескопів та космічних місій. Це дозволить підвищити її точність та розширити діапазон застосування. Поєднання астрономічних спостережень з потужними алгоритмами штучного інтелекту створює потужний інструмент для розв’язання однієї з найбільших наукових загадок: чи самотні ми у Всесвіті?