"Одна из новинок в этом заключается в анализе сред, в которых планеты все еще формируются", - сказал Джейсон Терри, докторант факультета физики и астрономии Колледжа искусств и наук имени Франклина Университета Огайо и ведущий автор исследования. "Машинное обучение редко применялось к тому типу данных, которые мы использовали раньше, особенно для изучения систем, которые все еще активно формируют планеты".

Первая экзопланета была обнаружена в 1992 году, и хотя известно о существовании более 5000 таких планет, ученым было легче всего их обнаружить. Экзопланеты на стадии формирования трудно увидеть по двум основным причинам. Они находятся слишком далеко, часто в сотнях световых лет от Земли, и диски, в которых они образуются, очень толстые, толще, чем расстояние от Земли до Солнца. Данные свидетельствуют о том, что планеты, как правило, находятся в середине этих дисков, передавая сигнатуру пыли и газов, поднятых планетой.

Исследование показало, что искусственный интеллект может помочь ученым преодолеть эти трудности.

"Это очень захватывающее доказательство концепции", - сказала Кассандра Холл, доцент кафедры астрофизики, главный исследователь исследовательской группы по экзопланетам и формированию планет и соавтор исследования. "Сила здесь в том, что мы использовали исключительно синтетические данные телескопа, сгенерированные с помощью компьютерного моделирования, для обучения этого искусственного интеллекта, а затем применили его к реальным данным телескопа. Это никогда раньше не делалось в нашей области и открывает путь к потоку открытий по мере поступления данных телескопа Джеймса Уэбба ".

Космический телескоп Джеймса Уэбба, запущенный НАСА в 2021 году, открыл новый уровень инфракрасной астрономии, предоставив ученым для анализа новые потрясающие изображения и массивы данных. Это всего лишь последняя итерация поисков агентства по поиску экзопланет, неравномерно разбросанных по галактике. Римская обсерватория Нэнси Грейс, 2,4-метровый обзорный телескоп, запуск которого запланирован на 2027 год и который будет заниматься поиском темной энергии и экзопланет, станет следующим крупным расширением возможностей - и доставки информации - для поиска жизни во Вселенной.

Телескоп Уэбба дает ученым возможность рассматривать экзопланетные системы в чрезвычайно ярком и высоком разрешении, при этом сами формирующиеся среды представляют большой интерес, поскольку они определяют получающуюся солнечную систему.

"Потенциал для получения хороших данных стремительно растет, так что это очень захватывающее время для отрасли", - сказал Терри.

Необходимы новые аналитические инструменты

Срочно необходимы аналитические инструменты следующего поколения для обработки этих высококачественных данных, чтобы ученые могли тратить больше времени на теоретические интерпретации, а не на тщательное изучение данных и попытки найти крошечные сигнатуры.

"В некотором смысле, мы вроде как только что сделали человека лучше", - сказал Терри. "В значительной степени способ, которым мы анализируем эти данные, заключается в том, что у вас есть десятки, сотни изображений для конкретного диска, и вы просто просматриваете их и спрашиваете: "Это покачивание?" затем запускаете дюжину симуляций, чтобы увидеть, действительно ли это покачивание, и их легко не заметить - они действительно крошечный, и это зависит от очистки, и поэтому этот метод, во-первых, действительно быстрый, а во-вторых, его точность позволяет получить планеты, которые люди пропустили бы ".

Терри говорит, что это то, чего машинное обучение уже может достичь - улучшить человеческие возможности для экономии времени и денег, а также эффективно направлять научное время, инвестиции и новые предложения.

"В науке, и особенно в астрономии в целом, сохраняется скептицизм по поводу машинного обучения и искусственного интеллекта, обоснованная критика того, что это такой черный ящик, где у вас есть сотни миллионов параметров, и каким-то образом вы получаете ответ. Но мы думаем, что в этой работе мы довольно убедительно продемонстрировали, что машинное обучение справляется с поставленной задачей. Вы можете спорить об интерпретации. Но в данном случае у нас есть очень конкретные результаты, которые демонстрируют мощь этого метода".

Работа исследовательской группы направлена на разработку конкретной основы для будущих применений данных наблюдений, демонстрируя эффективность метода с использованием имитационных наблюдений.