Mit jedem Jahr werden mehr und mehr extra-solare Planeten entdeckt. Um die Sache interessanter zu machen, ermöglichen Verbesserungen in Methodik und Technologie die Entdeckung weiterer Planeten in einzelnen Systemen. Betrachten Sie die jüngste Ankündigung eines Sieben-Planeten-Systems um den roten Zwergstern TRAPPIST-1. Zu dieser Zeit stellte diese Entdeckung den Rekord für die meisten Exoplaneten auf, die einen einzelnen Stern umkreisen.
Bewegen Sie sich über TRAPPIST-1! Dank des Kepler-Weltraumteleskops und des maschinellen Lernens entdeckte ein Team von Google AI und dem Harvard-Smithsonian Center of Astrophysics (CfA) kürzlich einen achten Planeten im fernen Sternensystem von Kepler-90. Bekannt als Kepler-90i, wurde die Entdeckung dieses Planeten dank Google-Algorithmen ermöglicht, die Hinweise auf ein schwaches Transitsignal in den Kepler-Missionsdaten entdeckten.
Die Studie mit dem Titel „Identifizierung von Exoplaneten mit tiefem Lernen: Eine Resonanzkette mit fünf Planeten um Kepler-80 und eine acht Planeten um Kepler-90“, die ihre Ergebnisse beschreibt, erschien kürzlich online und wurde zur Veröffentlichung in angenommen Das astronomische Journal. Das Forschungsteam bestand aus Christopher Shallue von Google AI und Andrew Vanderburg von der University of Texas und der CfA.
Kepler-90, ein sonnenähnlicher Stern, befindet sich ungefähr 2.545 Lichtjahre von der Erde entfernt im Sternbild Draco. Wie bereits erwähnt, hatten frühere Untersuchungen die Existenz von sieben Planeten um den Stern gezeigt, einer Kombination aus terrestrischen (auch als felsig bezeichneten) Planeten und Gasriesen. Nach Verwendung eines Google-Algorithmus zum Durchsuchen von Kepler-Daten bestätigte das Forscherteam jedoch, dass das Signal eines anderen Planeten mit näherer Umlaufbahn in den Daten lauerte.
Die Kepler-Mission stützt sich auf die Transit-Methode (auch bekannt als Transit-Photometrie), um die Anwesenheit von Planeten um hellere Sterne herum zu erkennen. Dies besteht darin, Sterne auf periodische Helligkeitseinbrüche zu beobachten, was ein Hinweis darauf ist, dass ein Planet relativ zum Beobachter vor dem Stern vorbeizieht (d. H. Durchgeht). Für ihre Studie trainierten Shallue und Vanderburg einen Computer, um von Kepler aufgezeichnete Lichtkurven zu lesen und das Vorhandensein von Transiten zu bestimmen.
Dieses künstliche „neuronale Netzwerk“ durchsuchte Kepler-Daten und fand schwache Transitsignale, die auf die Anwesenheit eines zuvor vermissten Planeten um Kepler-90 hinweisen. Diese Entdeckung zeigte nicht nur, dass dieses System unserem sehr ähnlich ist, sondern bestätigt auch den Wert der Verwendung künstlicher Intelligenz zur Gewinnung von Archivdaten. Während zuvor maschinelles Lernen zum Durchsuchen von Kepler-Daten verwendet wurde, zeigt diese Untersuchung, dass selbst die schwächsten Signale jetzt erkannt werden können.
Paul Hertz, Direktor der NASA-Abteilung für Astrophysik in Washington, sagte kürzlich in einer Pressemitteilung der NASA:
„Wie wir erwartet hatten, lauern in unseren archivierten Kepler-Daten aufregende Entdeckungen, die darauf warten, dass das richtige Werkzeug oder die richtige Technologie sie entdeckt. Diese Erkenntnis zeigt, dass unsere Daten in den kommenden Jahren eine Fundgrube für innovative Forscher sein werden. “
Dieser neu entdeckte Planet, bekannt als Kepler-90i, ist ein felsiger Planet, dessen Größe mit der Erde vergleichbar ist (1,32 ± 0,21 Erdradien) und der seinen Stern mit einer Zeitspanne von 14,4 Tagen umkreist. Aufgrund seiner Nähe zu seinem Stern wird angenommen, dass dieser Planet extremen Temperaturen von 709 K (436 ° C) ausgesetzt ist - was ihn heißer macht als Merkurs Tageshoch von 700 K (427 ° C; 800 ° F).
Als leitender Softwareentwickler beim Google-Forschungsteam Google AI kam Shallue auf die Idee, ein neuronales Netzwerk auf Kepler-Daten anzuwenden, nachdem er erfahren hatte, dass die Astronomie (wie andere Wissenschaftszweige) schnell zu einem „Big Data“ -Anliegen wird. Mit fortschreitender Technologie zur Datenerfassung werden Wissenschaftler mit Datensätzen überschwemmt, deren Größe und Komplexität immer größer wird. Wie Shallue erklärte:
„In meiner Freizeit habe ich angefangen zu googeln, um Exoplaneten mit großen Datenmengen zu finden, und mich über die Kepler-Mission und den riesigen verfügbaren Datensatz informiert. Maschinelles Lernen glänzt wirklich in Situationen, in denen es so viele Daten gibt, dass Menschen sie nicht selbst suchen können. "
Die Kepler-Mission hat in den ersten vier Betriebsjahren einen Datensatz gesammelt, der aus 35.000 möglichen planetaren Transitsignalen bestand. In der Vergangenheit wurden automatisierte Tests und manchmal visuelle Inspektionen verwendet, um die vielversprechendsten Signale in den Daten zu überprüfen. Bei diesen Methoden wurden jedoch häufig die schwächsten Signale übersehen, so dass Dutzende oder sogar Hunderte von Planeten nicht berücksichtigt wurden.
Um dies zu verbessern, hat Shallue Andrew Vanderburgh - einen Graduate Research Fellow der National Science Foundation und einen Sagan Fellow der NASA - zusammengebracht, um herauszufinden, ob maschinelles Lernen die Daten abbauen und mehr Signale liefern kann. Der erste Schritt bestand darin, ein neuronales Netzwerk zu trainieren, um Transit-Exoplaneten unter Verwendung eines Satzes von 15.000 zuvor überprüften Signalen aus dem Kepler-Exoplaneten-Katalog zu identifizieren.
Im Testsatz identifizierte das neuronale Netzwerk wahre Planeten und falsch positive mit einer Genauigkeit von 96% korrekt. Nachdem das Team gezeigt hatte, dass es Transitsignale erkennen kann, wies es sein neuronales Netzwerk an, nach schwächeren Signalen in 670 Sternensystemen zu suchen, die bereits mehrere bekannte Planeten hatten. Dazu gehörten Kepler-80 mit fünf zuvor bekannten Planeten und Kepler-90 mit sieben. Wie Vanderburg anzeigte:
„Wir haben viele Fehlalarme von Planeten, aber möglicherweise auch realere Planeten. Es ist, als würde man durch Felsen sichten, um Juwelen zu finden. Wenn du ein feineres Sieb hast, fängst du mehr Steine, aber vielleicht auch mehr Juwelen. “
Der sechste Planet in Kepler-80 ist als Kepler-80g bekannt, ein erdgroßer Planet, der sich mit seinen fünf benachbarten Planeten in einer Resonanzkette befindet. Dies tritt auf, wenn Planeten durch ihre gegenseitige Schwerkraft in ein extrem stabiles System eingeschlossen werden, ähnlich wie es die sieben Planeten von TRAPPIST-1 erleben. Kepler-90i hingegen ist ein erdgroßer Planet, der Quecksilber-ähnlichen Bedingungen und Umlaufbahnen außerhalb von 90b und 90c ausgesetzt ist.
In Zukunft planen Shallue und Vanderburg, ihr neuronales Netzwerk auf Keplers vollständiges Archiv mit mehr als 150.000 Sternen anzuwenden. Innerhalb dieses riesigen Datensatzes lauern wahrscheinlich viel mehr Planeten und zitieren möglicherweise in bereits untersuchten mehrplanetaren Systemen. In dieser Hinsicht hat die Kepler-Mission (die für die Exoplanetenforschung bereits von unschätzbarem Wert war) gezeigt, dass sie viel mehr zu bieten hat.
Jessie Dotson, Keplers Projektwissenschaftlerin am Ames Research Center der NASA, sagte:
„Diese Ergebnisse zeigen den dauerhaften Wert von Keplers Mission. Neue Sichtweisen auf die Daten - wie diese frühzeitige Forschung zur Anwendung von Algorithmen für maschinelles Lernen - versprechen weitere bedeutende Fortschritte in unserem Verständnis von Planetensystemen um andere Sterne. Ich bin mir sicher, dass die Daten mehr Erste enthalten, die darauf warten, dass die Leute sie finden. "
Die Tatsache, dass ein sonnenähnlicher Stern heute ein System von acht Planeten hat (wie unser Sonnensystem), gibt natürlich diejenigen, die sich fragen, ob dieses System eine gute Wahl sein könnte, um außerirdisches Leben zu finden. Aber bevor jemand zu aufgeregt wird, ist es erwähnenswert, dass Kepler-90-Planeten alle ziemlich nahe am Stern kreisen. Der äußerste Planet, Kepler-90h, kreist in ähnlicher Entfernung zu seinem Stern wie die Erde zur Sonne.
Die Entdeckung eines achten Planeten um einen anderen Stern bedeutet auch, dass es ein System gibt, das dem Sonnensystem in Bezug auf die Gesamtzahl der Planeten Konkurrenz macht. Vielleicht ist es an der Zeit, die IAU-Entscheidung von 2006 zu überdenken - wissen Sie, die, bei der Pluto „herabgestuft“ wurde? Und wenn wir schon dabei sind, sollten wir vielleicht Ceres, Eris, Haumea, Makemake, Sedna und den Rest für Planethood beschleunigen. Wie wollen wir sonst unsere Unterlagen pflegen?
In Zukunft werden ähnliche maschinelle Lernprozesse wahrscheinlich auf Exoplanetenjagdmissionen der nächsten Generation angewendet, wie den Transiting Exoplanet Survey Satellite (TESS) und das James Webb Space Telescope (JWST). Diese Missionen sollen 2018 bzw. 2019 starten. Und in der Zwischenzeit wird es sicher noch viele weitere Enthüllungen von Kepler geben!
