Новое исследование, проведенное Университетом Джорджии, показывает, что ИИ можно использовать для поиска планет за пределами Солнечной системы.
Первая экзопланета была обнаружена в 1992 году. На данный момент известно о существовании более 5000 таких планет. Экзопланеты на стадии формирования трудно увидеть, поскольку они находятся очень далеко, часто в сотнях световых лет от Земли. Диски, в которых эти планеты формируются, очень толстые. Их толщина больше, чем расстояние от Земли до Солнца. А планеты, как правило, находятся в середине этих дисков.
Исследование показало, что ИИ может помочь ученым в поиске.
«Мы использовали исключительно синтетические данные телескопа, сгенерированные с помощью компьютерного моделирования, для обучения этого искусственного интеллекта, а затем применили его к реальным данным телескопа. Подобное никогда раньше не делалось в нашей области, и это открывает путь к потоку открытий по мере поступления данных от телескопа Джеймса Уэбба», – говорит Кассандра Холл, соавтор исследования.
Ученым необходимы аналитические инструменты следующего поколения для обработки высококачественных данных. Тогда исследователи смогут тратить больше времени на теоретические интерпретации, а не на попытки найти крошечные сигнатуры.
«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», - сказал Джейсон Терри, ведущий автор исследования.
Терри говорит, что машинное обучение может улучшить человеческий потенциал для экономии времени и денег.
«В науке, и особенно в астрономии в целом, сохраняется скептицизм по поводу машинного обучения и искусственного интеллекта. Присутствует 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», – отмечает он.
По информации https://www.astronews.ru/cgi-bin/mng.cgi?page=news&news=20230209113000
