Tech

การใช้ AI เพื่อค้นหาดาวเคราะห์นอกระบบ

วิธีการขนส่งใช้กันอย่างแพร่หลายในการค้นพบดาวเคราะห์นอกระบบ การผ่านหน้าเกิดขึ้นเมื่อดาวเคราะห์ผ่านระหว่างดาวฤกษ์กับผู้สังเกต Transit Photometry เป็นวิธีการวัดเส้นโค้งแสงของดาวที่อยู่ห่างไกลสำหรับการหรี่แสงเป็นระยะ ซึ่งเป็นผลมาจากดาวเคราะห์นอกระบบที่เคลื่อนผ่านหน้าดาว (กล่าวคือ การผ่านหน้า) เมื่อเทียบกับผู้สังเกต อย่างไรก็ตาม ทฤษฎีคาดการณ์ว่าปฏิสัมพันธ์ระหว่างดาวเคราะห์จะเปลี่ยนแปลงคาบนี้ในระบบดาวเคราะห์หลายระบบ และทำให้การตรวจจับเป็นไปไม่ได้ เมื่อพิจารณาถึงเรื่องนี้ ทีมนักดาราศาสตร์จากมหาวิทยาลัยเจนีวา (UNIGE) มหาวิทยาลัยเบิร์น (UniBE) และ NCCR PlanetS ประเทศสวิตเซอร์แลนด์ ร่วมกับบริษัท Disaitek ได้ใช้เทคนิค AI ในการตรวจจับดาวเคราะห์นอกระบบ พวกเขาสอนเครื่องจักรในการทำนายผลของปฏิสัมพันธ์ระหว่างดาวเคราะห์ ทำให้สามารถค้นพบดาวเคราะห์นอกระบบที่ไม่สามารถตรวจจับได้จนถึงขณะนี้ Adrien Leleu นักวิจัยในภาควิชาดาราศาสตร์ของคณะวิทยาศาสตร์ UNIGE และ NCCR PlanetS กล่าวว่า “เราคิดว่าการใช้ปัญญาประดิษฐ์มาประยุกต์ใช้ในการจดจำภาพ เป็นไปได้จริงที่จะสอนเครื่องจักร โดยใช้ตัวอย่างมากมาย โดยคำนึงถึงพารามิเตอร์ทั้งหมดและทำนายผลกระทบของปฏิสัมพันธ์ระหว่างดาวเคราะห์ด้วยการแสดงภาพปรากฏการณ์ที่เกิดขึ้น เราทำสิ่งนี้โดยร่วมมือกับ Disaitek ผ่านแพลตฟอร์มเทคโนโลยีและนวัตกรรมของ NCCR” Anthony Graveline ประธาน Disaitek กล่าวว่า “ประเภทของ AI ที่ใช้ในโครงการนี้คือโครงข่ายประสาทเทียมที่มีจุดมุ่งหมายเพื่อกำหนดวัตถุที่แสดงในแต่ละพิกเซลในภาพ ใช้ในบริบทของรถยนต์ขับเคลื่อนอัตโนมัติ อัลกอริธึมนี้ทำให้สามารถระบุถนน ทางเท้า ป้าย และคนเดินเท้าที่กล้องมองเห็นได้ ในบริบทของการตรวจจับดาวเคราะห์นอกระบบ จุดมุ่งหมายคือการพิจารณาว่ามีการสังเกตสุริยุปราคาดาวเคราะห์สำหรับการวัดความส่องสว่างของดาวแต่ละดวงหรือไม่ โครงข่ายประสาทเทียมทำการตัดสินใจโดยการอ้างอิงโยงการสังเกตที่มีอยู่ทั้งหมดของดาวดวงนั้นด้วยช่วงของการกำหนดค่าที่เห็นระหว่างการฝึก” Adrien Leleu กล่าวว่า “จากการใช้งานครั้งแรกของวิธีนี้ เราค้นพบดาวเคราะห์นอกระบบสองดวง – Kepler-1705b และ Kepler-1705c – ที่เทคนิคก่อนหน้านี้พลาดไปโดยสิ้นเชิง ระบบดาวเคราะห์ที่ค้นพบจึงเป็นเหมืองทองคำสำหรับความรู้ของเราเกี่ยวกับดาวเคราะห์นอกระบบ โดยเฉพาะอย่างยิ่งดาวเคราะห์ประเภทภาคพื้นดิน ซึ่งโดยทั่วไปแล้วยากต่อการจำแนกลักษณะ วิธีการที่พัฒนาขึ้นนี้ไม่เพียงแต่ทำให้สามารถประมาณรัศมีของดาวเคราะห์ได้เท่านั้น แต่ยังให้ข้อมูลเกี่ยวกับมวลของพวกมัน รวมถึงความหนาแน่นและองค์ประกอบของพวกมันด้วย” Yann Alibert ศาสตราจารย์แห่งมหาวิทยาลัยเบิร์นและเจ้าหน้าที่วิทยาศาสตร์ของ NCCR PlanetS กล่าวว่า “การใช้ AI โดยเฉพาะ ‘การเรียนรู้เชิงลึก’ เช่นเดียวกับในบทความนี้ กำลังเป็นที่แพร่หลายมากขึ้นในด้านฟิสิกส์ดาราศาสตร์ ไม่ว่าจะประมวลผลข้อมูลเชิงสังเกต ดังที่เราทำที่นี่หรือเพื่อวิเคราะห์ผลลัพธ์ของการจำลองเชิงตัวเลขขนาดมหึมาซึ่งสร้างข้อมูลเป็นเทราไบต์ สิ่งที่เราได้พัฒนาในการศึกษาครั้งนี้คือตัวอย่างใหม่ของการสนับสนุนอันยอดเยี่ยมที่เทคนิคเหล่านี้สามารถสร้างให้กับสาขาของเรา และอาจรวมถึงการวิจัยทุกสาขา” Grégory Châtel ผู้จัดการฝ่าย R&D ของ Disaitek กล่าวว่า “ในขณะที่เทคนิคนี้พิสูจน์ให้เห็นว่ามีประสิทธิภาพสำหรับการสังเกตทางดาราศาสตร์ แต่ก็มีประโยชน์สำหรับการสังเกตโลกและสิ่งแวดล้อมด้วยเช่นกัน ในการพัฒนาเทคโนโลยีนี้ เราตระหนักได้อย่างรวดเร็วว่าเทคโนโลยีนี้สามารถนำไปใช้กับปัญหาอื่นๆ ที่มีข้อมูลจำนวนเล็กน้อยได้” ทีมงานใช้ภาพถ่ายดาวเทียมที่มีความละเอียดสูงมาก ตอนนี้ใช้ AI นี้เพื่อจัดการกับปัญหาสิ่งแวดล้อม โดยเฉพาะการตรวจจับการทิ้งที่ผิดกฎหมาย การอ้างอิงวารสาร: A. Leleu, G. Chatel et al. บรรเทาความแปรปรวนของระยะเวลาขนส่งในการสำรวจการขนส่ง I. RIVERS: วิธีการและการตรวจจับซูเปอร์เอิร์ธคู่หนึ่งรอบเคปเลอร์-1705 ดอย: 10.1051/0004-6361/202141471

Back to top button