Astronomie-Bots suchen nach Planeten

Wissenschaftler und Astronomen verbringen einen Großteil ihrer Zeit damit, die Sterne am Nachthimmel zu studieren, zu erforschen und zu analysieren. Ein Teil ihrer Forschung besteht manchmal darin, Werkzeuge zu entwickeln, mit denen sie die unzähligen Forschungsstunden reduzieren können. Computerprogramme führen Astronomie-Bots aus, die mithilfe von KI-Technologie Millionen von Informationsteilen aussortieren.

„Die Suche nach Planeten kann angesichts der Menge an Sternen, nach denen wir suchen können, ein langer und mühsamer Prozess sein“, sagte Stephen Kane, Professor für planetare Astrophysik an der UCR. „Sterne zu eliminieren, bei denen es unwahrscheinlich ist, dass sie Planeten haben, und diejenigen auszuwählen, könnte eine Menge Zeit sparen“, sagte er.

Astronomie-Bots

Natalie Hinkel, eine Forscherin, die früher in Kanes Labor am Southwest Research Institute arbeitete, entwarf einen Astronomie-Bot mit einem Algorithmus für maschinelles Lernen. Algorithmen für maschinelles Lernen sind Programme (Mathematik und Logik), die sich anpassen, um eine bessere Leistung zu erzielen, wenn sie größeren Datenmengen ausgesetzt sind. Ein Algorithmus zum maschinellen Lernen hat daher eine spezielle Möglichkeit, seine eigenen Parameter anzupassen. Dies erfolgt auf der Grundlage des gegebenen Feedbacks zur Leistung in der Vergangenheit, wobei Vorhersagen zu einem Datensatz getroffen werden.

Den Bot trainieren

Um den Algorithmus zu trainieren und zu testen, fütterte Hinkel ihn mit öffentlich verfügbaren Informationen aus dem Hypatia-Katalog, einer von ihr entwickelten Sternendatenbank. Es ist die größte Datenbank von Sternen und ihren Elementen für die Bevölkerung innerhalb von 500 Lichtjahren unserer Sonne. Bei der letzten Zählung hatte Hypatia Sternelementdaten für 6.193 Sterne, von denen 401 bekannt dafür sind, Planeten zu beherbergen. Die Datenbank katalogisiert auch 73 Sternelemente von Wasserstoff bis Blei. Infolgedessen ermöglichte die Datenbank dem Algorithmus, die Elemente zu betrachten, aus denen mehr als 4.200 Sterne bestehen. Es bewertete dann ihre Wahrscheinlichkeit, Planeten zu beherbergen.

Darüber hinaus untersuchte Hinkel verschiedene Kombinationen dieser Zutaten, um festzustellen, wie sie den Algorithmus beeinflussten. „Wir haben herausgefunden, dass Kohlenstoff, Sauerstoff, Eisen und Natrium die einflussreichsten Elemente für die Vorhersage von Sternen sind, die Planeten beherbergen“, sagte Hinkel.

„Das Komische war, dass wir nicht damit gerechnet haben, dass Natrium eine Schlüsselzutat für die Vorhersage eines Planeten ist. Aber es muss ein wichtiges Bindeglied zwischen Sternen und Planeten sein, weil es immer wieder auftaucht, selbst wenn man verschiedene Kombinationen von Elementen betrachtet.“

Bot-Daten enthüllt

Kane untersuchte die vom Bot erzeugten Daten. Er entdeckte drei Sterne mit starken Hinweisen darauf, riesige, Jupiter-ähnliche Planeten in einer Entfernung von etwa 100 Lichtjahren zu beherbergen.

Darüber hinaus verwendete das Team den Algorithmus speziell, um schwer zu findende Riesenplaneten wie Jupiter zu identifizieren. Sie sind schwer zu finden, weil sie weiter von ihren Wirtsternen entfernt sind. Entfernte Riesenplaneten wie diese schützen wahrscheinlich die erdähnlichen felsigen Planeten in ihrer Nähe und jedes Leben auf diesem Planeten.

Jupiterähnliche Planeten ziehen Meteore, Kometen und andere Flugkörper aus ihren Flugbahnen, bevor sie auf ihre benachbarten, kleineren Planeten einschlagen können.

Der neue Algorithmus identifizierte zusätzliche Sterne. Es sind ungefähr 9 Prozent der Sterne, denen Planeten fehlen. Diese Sterne hatten eine Wahrscheinlichkeit von mehr als 90 Prozent, einen riesigen Exoplaneten zu beherbergen. Hinkel erklärt: „Das war weit mehr als ich erwartet hatte.“

Hinkels Algorithmus könnte zu weiteren Entdeckungen von Planeten unter Verwendung von Elementen führen, die in der Bildung riesiger Planeten gefunden wurden. Sie könnte sogar Planeten finden, die weniger als 100 Lichtjahre entfernt sind.