محققان دپارتمان فیزیک و علوم کامپیوتر وارویک و موسسه آلن تورینگ یک الگوریتم مبتنی بر یادگیری ماشین ایجاد کرده‌اند تا نمونه‌ای از سیارات فراخورشیدی بالقوه را تجزیه و تحلیل کند و مشخص کند کدام یک از سیارات واقعی و کدام‌ها "جعلی" یا مثبت کاذب هستند. مجموعه داده های سیاره ای توسط ماموریت هایی مانند کپلر و تس ناسا پیدا شده است. نتایج در یک مطالعه جدید منتشر شده در ماهنامه انجمن نجوم سلطنتی ارائه شده است.
آنها از این الگوریتم روی مجموعه داده کپلر استفاده کردند که منجر به 50 سیاره تایید شده جدید شد که اولین مورد با استفاده از یادگیری ماشین تایید شد. اندازه این 50 سیاره از نپتون تا سیاره هایی به اندازه زمین متغیر است و مدار آنها بین 200 تا 1 روز است.
به جای اینکه بگوییم کدام نامزدها بیشتر سیاره هستند، اکنون می توانیم بگوییم که احتمال دقیق آماری چقدر است. دکتر دیوید آرمسترانگ از دپارتمان فیزیک دانشگاه وارویک گفت: اگر احتمال مثبت کاذب بودن یک نامزد کمتر از 1٪ باشد، سیاره تایید شده در نظر گرفته می شود.
پس از ساخت و آموزش، الگوریتم سریعتر از روش‌های فعلی است و می‌تواند کاملاً خودکار باشد، که آن را برای تجزیه و تحلیل هزاران سیاره نامزد بالقوه مشاهده‌شده در بررسی‌های فعلی TESS ایده‌آل می‌کند.
همچنین بخوانید:
پاسخ دهید