Ученые Коуровской астрономической обсерватории Уральского федерального университета (УрФУ), работающие в составе научной группы NASA Ames, разработали нейросеть нового поколения. Она предназначена для анализа больших объемов астрономических данных и выявления планет, которые обнаруживаются по едва заметным колебаниям в яркости звезды. Разработанный алгоритм получил название ExoMiner++, и его обучение проводилось на основе данных миссии Kepler, где большая часть объектов прошла проверку и имеет надежную классификацию, а также на «зашумленных» данных космического телескопа TESS. Описание новой нейросети и результаты обучения исследователи опубликовали в The Astronomical Journal. Работу уральских ученых поддержало Минобрнауки России (программа «Приоритет-2030») в рамках Десятилетия науки и технологий.
«Планеты, расположенные за границами Солнечной системы, называются экзопланетами. Они могут быть газовыми гигантами, подобными Юпитеру, или же небольшими и плотными, как Земля. Большинство из них обращаются вокруг звезд, схожих с нашим Солнцем. Некоторые экзопланеты находятся в таких областях, где температура потенциально позволяет воде существовать в жидком состоянии. Исследование этих миров помогает нам понять, насколько уникальна наша позиция во Вселенной, как часто встречаются условия, благоприятные для жизни, и какие планетарные системы могли бы иметь схожую историю развития с Землей», — говорит руководитель Коуровской астрономической обсерватории УрФУ Вадим Крушинский.
Телескоп TESS, предназначенный для орбитальных наблюдений, каждые две минуты фиксирует изменения яркости тысяч звезд, расположенных на всем небесном своде, сообщают исследователи. Его задача – выявлять моменты, когда планета проходит перед диском своей звезды. В такие моменты наблюдается незначительное снижение блеска, составляющее доли процента. Эти кратковременные затемнения получили название транзиты. Повторяющиеся транзиты с заданными интервалами указывают на высокую вероятность наличия планеты на орбите.
«Причина заключается в том, что TESS накапливает огромный объем информации, в котором теряются не только транзиты, но и шумы камеры, ошибки телеметрии, вспышки, двойные звезды, колебания яркости и другие факторы. В результате телескоп регистрирует сотни тысяч событий, напоминающих транзит, и подавляющее большинство из них не связано с планетами. Анализировать такой массив данных вручную не представляется возможным», — объясняет один из соавторов исследования, сотрудник Коуровской астрономической обсерватории УрФУ Никита Чазов.
Астрономы сообщают, что ExoMiner++ способен анализировать изменение яркости, поведение фона, периодичность событий, структурные характеристики двойных звезд и даже особенности функционирования реакционных колес спутника.
«Начальные итоги оказались весьма обнадеживающими: ExoMiner++ самостоятельно проанализировал 147 тыс. транзитоподобных событий, отделив 7330 из них, которые, вероятно, являются экзопланетами. Все остальные были отклонены как ошибочные. Разработка не только расширила существующий каталог новыми объектами, но и скорректировала прежние записи. Так, из числа 2506 кандидатов, ранее показавшихся перспективными, модель подтвердила лишь 1797. Это позволяет сосредоточить последующие наблюдения на тех объектах, где вероятность обнаружения настоящей планеты наиболее велика», — отмечает Никита Чазов.
По словам исследователей, ExoMiner++ функционирует подобно чрезвычайно внимательной системе безопасности, которая непрерывно анализирует записи со всех камер и архивные данные, выявляет потенциальные инциденты и представляет их сотрудникам в виде сжатого перечня.
Исследователи намерены и дальше применять ExoMiner++ для анализа данных, полученных телескопом TESS, и модифицировать эту методику для будущих космических миссий. В перспективе объемы получаемых данных будут только увеличиваться, и именно подобные модели позволят выявлять наиболее важные открытия — новые планеты, вращающиеся вокруг звезд, расположенных на большом расстоянии, считают ученые.
Пресс-служба Уральского федерального университета предоставила информацию и фотографии