{"id":108791,"date":"2019-09-16T14:52:09","date_gmt":"2019-09-16T12:52:09","guid":{"rendered":"https:\/\/osr.org\/?p=108791"},"modified":"2024-05-23T16:33:39","modified_gmt":"2024-05-23T14:33:39","slug":"astronomie-bots-suchen-nach-planeten","status":"publish","type":"post","link":"https:\/\/osr.org\/de\/blog\/astronomie-de\/astronomie-bots-suchen-nach-planeten\/","title":{"rendered":"Astronomie-Bots suchen nach Planeten"},"content":{"rendered":"
Wissenschaftler und Astronomen verbringen einen Gro\u00dfteil ihrer Zeit damit, die Sterne am Nachthimmel zu studieren, zu erforschen und zu analysieren.\u00a0Ein Teil ihrer Forschung besteht manchmal darin, Werkzeuge zu entwickeln, mit denen sie die unz\u00e4hligen Forschungsstunden reduzieren k\u00f6nnen.\u00a0Computerprogramme f\u00fchren Astronomie-Bots aus, die mithilfe von KI-Technologie Millionen von Informationsteilen aussortieren.<\/p>\n
„Die Suche nach Planeten kann angesichts der Menge an Sternen, nach denen wir suchen k\u00f6nnen, ein langer und m\u00fchsamer Prozess sein“, sagte Stephen Kane, Professor f\u00fcr planetare Astrophysik an der UCR.\u00a0„Sterne zu eliminieren, bei denen es unwahrscheinlich ist, dass sie Planeten haben, und diejenigen auszuw\u00e4hlen, k\u00f6nnte eine Menge Zeit sparen“, sagte er.<\/p>\n
Natalie Hinkel, eine Forscherin, die fr\u00fcher in Kanes Labor am Southwest Research Institute arbeitete, entwarf einen Astronomie-Bot mit einem Algorithmus f\u00fcr maschinelles Lernen.\u00a0Algorithmen f\u00fcr maschinelles Lernen sind Programme (Mathematik und Logik), die sich anpassen, um eine bessere Leistung zu erzielen, wenn sie gr\u00f6\u00dferen Datenmengen ausgesetzt sind.\u00a0Ein Algorithmus zum maschinellen Lernen hat daher eine spezielle M\u00f6glichkeit, seine eigenen Parameter anzupassen.\u00a0Dies erfolgt auf der Grundlage des gegebenen Feedbacks zur Leistung in der Vergangenheit, wobei Vorhersagen zu einem Datensatz getroffen werden.<\/p>\n
Um den Algorithmus zu trainieren und zu testen, f\u00fctterte Hinkel ihn mit \u00f6ffentlich verf\u00fcgbaren Informationen aus dem Hypatia-Katalog, einer von ihr entwickelten Sternendatenbank.\u00a0Es ist die gr\u00f6\u00dfte Datenbank von Sternen und ihren Elementen f\u00fcr die Bev\u00f6lkerung innerhalb von 500 Lichtjahren unserer Sonne.\u00a0Bei der letzten Z\u00e4hlung hatte Hypatia Sternelementdaten f\u00fcr 6.193 Sterne, von denen 401 bekannt daf\u00fcr sind, Planeten zu beherbergen.\u00a0Die Datenbank katalogisiert auch 73 Sternelemente von Wasserstoff bis Blei.\u00a0Infolgedessen erm\u00f6glichte die Datenbank dem Algorithmus, die Elemente zu betrachten, aus denen mehr als 4.200 Sterne bestehen.\u00a0Es bewertete dann ihre Wahrscheinlichkeit, Planeten zu beherbergen.<\/p>\n
Dar\u00fcber hinaus untersuchte Hinkel verschiedene Kombinationen dieser Zutaten, um festzustellen, wie sie den Algorithmus beeinflussten.\u00a0„Wir haben herausgefunden, dass Kohlenstoff, Sauerstoff, Eisen und Natrium die einflussreichsten Elemente f\u00fcr die Vorhersage von Sternen sind, die Planeten beherbergen“, sagte Hinkel.<\/p>\n
\u201eDas Komische war, dass wir nicht damit gerechnet haben, dass Natrium eine Schl\u00fcsselzutat f\u00fcr die Vorhersage eines Planeten ist.\u00a0Aber es muss ein wichtiges Bindeglied zwischen Sternen und Planeten sein, weil es immer wieder auftaucht, selbst wenn man verschiedene Kombinationen von Elementen betrachtet.\u201c<\/p>\n
<\/p>\n
Kane untersuchte die vom Bot erzeugten Daten.\u00a0Er entdeckte drei Sterne mit starken Hinweisen darauf, riesige, Jupiter-\u00e4hnliche Planeten in einer Entfernung von etwa 100 Lichtjahren zu beherbergen.<\/p>\n
Dar\u00fcber hinaus verwendete das Team den Algorithmus speziell, um schwer zu findende Riesenplaneten wie Jupiter zu identifizieren.\u00a0Sie sind schwer zu finden, weil sie weiter von ihren Wirtsternen entfernt sind.\u00a0Entfernte Riesenplaneten wie diese sch\u00fctzen wahrscheinlich die erd\u00e4hnlichen felsigen Planeten in ihrer N\u00e4he und jedes Leben auf diesem Planeten.<\/p>\n
Jupiter\u00e4hnliche Planeten ziehen Meteore, Kometen und andere Flugk\u00f6rper aus ihren Flugbahnen, bevor sie auf ihre benachbarten, kleineren Planeten einschlagen k\u00f6nnen.<\/p>\n
Der neue Algorithmus identifizierte zus\u00e4tzliche Sterne.\u00a0Es sind ungef\u00e4hr 9 Prozent der Sterne, denen Planeten fehlen.\u00a0Diese Sterne hatten eine Wahrscheinlichkeit von mehr als 90 Prozent, einen riesigen Exoplaneten zu beherbergen.\u00a0Hinkel erkl\u00e4rt: „Das war weit mehr als ich erwartet hatte.“<\/p>\n
Hinkels Algorithmus k\u00f6nnte zu weiteren Entdeckungen von Planeten unter Verwendung von Elementen f\u00fchren, die in der Bildung riesiger Planeten gefunden wurden.\u00a0Sie k\u00f6nnte sogar Planeten finden, die weniger als 100 Lichtjahre entfernt sind.<\/p>\n","protected":false},"excerpt":{"rendered":"
Wissenschaftler und Astronomen verbringen einen Gro\u00dfteil ihrer Zeit damit, die Sterne am Nachthimmel zu studieren, zu erforschen und zu analysieren.\u00a0Ein Teil ihrer Forschung besteht manchmal darin, Werkzeuge zu entwickeln, mit denen sie die unz\u00e4hligen Forschungsstunden reduzieren k\u00f6nnen.\u00a0Computerprogramme f\u00fchren Astronomie-Bots aus, die mithilfe von KI-Technologie Millionen von Informationsteilen aussortieren. „Die Suche nach Planeten kann angesichts der […]<\/p>\n","protected":false},"author":54,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[612],"tags":[],"class_list":["post-108791","post","type-post","status-publish","format-standard","hentry","category-astronomie-de"],"acf":[],"yoast_head":"\n