50 سیاره جدید توسط الگوریتم یادگیری ماشین شناسایی شدند

به گزارش ایسنا و به نقل از فیز، اخترشناسان برای اولین بار از یک فرآیند مبتنی بر یادگیری ماشین (شکلی از هوش مصنوعی) استفاده کردند تا نمونه‌ای از سیارات را مورد تجزیه و تحلیل قرار دهند و تعیین کنند که کدام یک واقعی هستند و کدام یک مثبت کاذب هستند و سپس احتمال واقعی بودن یک سیاره را محاسبه کنند.

محققان طی این مطالعه با استفاده از تکنیک‌های اعتبار سنجی چندگانه، از جمله الگوریتم یادگیری ماشین موفق به شناسایی 50 سیاره جدید شدند.

محققان دانشکده فیزیک و علوم کامپیوتر دانشگاه "واریک" و همچنین موسسه آلن تورینگ، الگوریتمی مبتنی بر یادگیری ماشینی را ساختند که می‌تواند سیارات واقعی را از سیارات غیرواقعی در نمونه‌های بزرگ مانند حضور هزاران جرم آسمانی که توسط مأموریت‌هایی مانند کپلر ناسا و تس کشف شده‌اند تشخیص دهد.

به این الگوریتم آموزش داده شده است تا سیارات واقعی را با استفاده از دو نمونه بزرگ سیارات تأیید شده و مثبت کاذب توسط ماموریت "کپلر" تشخیص دهد.

فضاپیمای "کپلر"(Kepler) یک تلسکوپ فضایی ساخت ناسا است که با هدف کشف سیارات فراخورشیدی مشابه زمین به فضا پرتاب شده‌است. این 50 سیاره از جهان به بزرگی نپتون تا کوچکتر از زمین متغیر هستند، با مدارهای مختلف تا 200 روز تا کمتر از یک روز. اخترشناسان با تأیید اینکه این 50 سیاره واقعی هستند، اکنون می توانند برای مشاهده های بیشتر با تلسکوپ های اختصاصی این موارد را در اولویت قرار دهند.

دکتر "دیوید آرمسترانگ"(David Armstrong) از دانشکده فیزیک دانشگاه واریک گفت: الگوریتمی که ما ایجاد کرده‌ایم به ما امکان داد تا 50 سیاره فراخورشیدی را شناسایی کنیم.

سیاره فراخورشیدی یا سیاره غیرخورشیدی (Exoplanet یا Extrasolar planet) سیاره‌ای است که خارج از سامانه خورشیدی قرار دارد و به دور یک ستاره (غیر از خورشید) در حال گردش است.

یافته‌های این مطالعه در مجله "Monthly Notices of the Royal Astronomical Society" منتشر شده است.

انتهای پیام