Med hvert år som går, oppdages flere og flere ekstrasolplaneter. For å gjøre saken mer interessant, gjør forbedringer i metodikk og teknologi det mulig å oppdage flere planeter i individuelle systemer. Tenk på den nylige kunngjøringen av et syv-planetersystem rundt den røde dvergstjernen kjent som TRAPPIST-1. På det tidspunktet oppdaget dette funnet rekorden for de fleste eksoplaneter som kretser rundt en enkelt stjerne.
Gå vel over TRAPPIST-1! Takket være Kepler-romteleskopet og maskinlæring, oppdaget nylig et team fra Google AI og Harvard-Smithsonian Center of Astrophysics (CfA) en åttende planet i det fjerne stjernesystemet til Kepler-90. Kjent som Kepler -90i, ble funnet av denne planeten muliggjort takket være Google-algoritmer som oppdaget bevis på et svakt transitt-signal i Kepler-oppdragsdataene.
Studien som beskriver funnene deres, med tittelen “Identifying Exoplanets with Deep Learning: A Five Planet Resonant Chain Around Kepler-80 and a Eight Planet Around Kepler-90”, har nylig dukket opp online og har blitt akseptert for publisering i The Astronomical Journal. Forskerteamet besto av Christopher Shallue fra Google AI og Andrew Vanderburg fra University of Texas og CfA.
Kepler-90, en sollignende stjerne, ligger omtrent 2545 lysår fra Jorden i stjernebildet Draco. Som nevnt hadde tidligere undersøkelser indikert eksistensen av syv planeter rundt stjernen, en kombinasjon av landlige (aka. Steinete) planeter og gassgiganter. Men etter å ha brukt en Google-algoritme opprettet for å søke gjennom Kepler-data, bekreftet forskerteamet at signalet fra en annen nærmere kretsende planet loppet innenfor dataene.
Kepler-oppdraget er avhengig av Transit-metoden (også kjent som Transit Photometry) for å se tilstedeværelsen av planeter rundt lysere stjerner. Dette består av å observere stjerner for periodiske fall i lysstyrken, noe som er en indikasjon på at en planet passerer foran stjernen (dvs. transiterer) i forhold til observatøren. Av hensyn til studien trente Shallue og Vanderburg en datamaskin for å lese lyskurver registrert av Kepler og bestemme tilstedeværelsen av transitter.
Dette kunstige “nevrale nettverket” siktet gjennom Kepler-data og fant svake transportsignaler som indikerte tilstedeværelsen av en tidligere savnet planet rundt Kepler-90. Denne oppdagelsen indikerte ikke bare at dette systemet er veldig mye som vårt eget, det bekrefter også verdien av å bruke kunstig intelligens for å gruve arkivdata. Selv om maskinlæring har blitt brukt til å søke i Kepler-data før, viser denne forskningen at selv de svakeste signalene nå kan skjelnes.
Som Paul Hertz, direktør for NASAs Astrofysikkdivisjon i Washington, sa i en fersk pressemelding fra NASA:
“Akkurat som vi forventet, er det spennende oppdagelser som lurer i de arkiverte Kepler-dataene våre, og venter på riktig verktøy eller teknologi for å avdekke dem. Dette funnet viser at dataene våre vil være en skattekiste tilgjengelig for innovative forskere i årene som kommer. ”
Denne nyoppdagede planeten, kjent som Kepler-90i, er en steinete planet som er sammenlignbar i størrelse med Jorden (1,32 ± 0,21 jordradius) som går i bane rundt stjernen sin med en periode på 14,4 dager. Gitt sin nærhet til stjernen, antas denne planeten å oppleve ekstreme temperaturer på 709 K (436 ° C; 817 ° F) - noe som gjør den varmere enn Merkuris dagtid på 700 K (427 ° C; 800 ° F).
Som senior programvareingeniør med Googles forskerteam Google AI, kom Shallue på ideen om å bruke et nevralt nettverk på Kepler-data etter å ha lært at astronomi (som andre vitenskapsgrener) raskt blir en "big data" -problem. Når teknologien for datainnsamling blir mer avansert, finner forskere seg oversvømmet med datasett med stadig større størrelse og kompleksitet. Som Shallue forklarte:
"På fritiden begynte jeg å søke etter‘ å finne eksoplaneter med store datasett 'og fant ut om Kepler-oppdraget og det enorme datasettet som var tilgjengelig. Maskinlæring skinner virkelig i situasjoner der det er så mye data at mennesker ikke kan søke på det selv. "
Kepler-oppdraget akkumulerte i sine første fire år i drift et datasett som besto av 35 000 mulige planetariske transitt-signaler. I det siste ble automatiserte tester og noen ganger visuelle inspeksjoner brukt for å bekrefte de mest lovende signalene i dataene. Imidlertid ble de svakeste signalene ofte savnet med disse metodene, noe som ga flere titalls eller til og med hundrevis av planeter uten å være med.
For å forbedre dette, slo Shallue sammen Andrew Vanderburgh - en National Science Foundation Graduate Research Fellow og NASA Sagan Fellow - for å se om maskinlæring kunne gruve dataene og skaffe flere signaler. Det første trinnet besto av å trene et nevralt nettverk for å identifisere transiterende eksoplaneter ved hjelp av et sett med 15 000 tidligere kontrollerte signaler fra Kepler-exoplanetkatalogen.
I testsettet identifiserte nevrale nettverk riktig planeter og falske positiver med en 96% nøyaktighetsgrad. Etter å ha vist at det kunne gjenkjenne transitt-signaler, ledet teamet deretter det nevrale nettverket deres for å søke etter svakere signaler i 670 stjernersystemer som allerede hadde flere kjente planeter. Disse inkluderte Kepler-80, som hadde fem tidligere kjente planeter, og Kepler-90, som hadde syv. Som Vanderburg antydet:
”Vi har mange falske positive planeter, men også potensielt mer virkelige planeter. Det er som å sile gjennom steiner for å finne juveler. Hvis du har en finere sil, vil du fange flere steiner, men du kan også fange flere juveler. ”
Den sjette planeten i Kepler-80 er kjent som Kepler-80g, en jordstørrelse planet som befinner seg i en resonanskjede med sine fem naboplaneter. Dette skjer når planeter er låst av gjensidig tyngde i et ekstremt stabilt system, på lik linje med hva TRAPPIST-1 sju planeter opplever. Kepler-90i er derimot en jordstørr planet som opplever kvikksølvlignende forhold og bane utenfor 90b og 90c.
I fremtiden planlegger Shallue og Vanderburg å anvende sitt nevrale nettverk til Keplers fulle arkiv med mer enn 150 000 stjerner. Innenfor dette enorme datasettet lurer antagelig mange flere planeter, og siterer muligens innenfor flerplanetære systemer som allerede er kartlagt. I denne forbindelse har Kepler-oppdraget (som allerede har vært uvurderlig for eksoplanettforskning) vist at det har mye mer å tilby.
Som Jessie Dotson, Keplers prosjektforsker ved NASAs Ames Research Center, sa det:
Disse resultatene viser den varige verdien av Keplers oppdrag. Nye måter å se på dataene - som denne forskningen på et tidlig stadium for å anvende maskinlæringsalgoritmer - lover å fortsette å gi betydelige fremskritt i vår forståelse av planetariske systemer rundt andre stjerner. Jeg er sikker på at det er flere første i dataene som venter på at folk skal finne dem. ”
At en sollignende stjerne nå er kjent for å ha et system på åtte planeter (som vårt solsystem), er det naturlig nok de som lurer på om dette systemet kan være en god innsats for å finne utenomjordisk liv. Men før noen blir for glade, er det verdt å merke seg at Kepler-90-tallet planeter alle går i bane temmelig nær stjernen. Det er den ytterste planeten, Kepler-90h, som går i bane i lignende avstand som stjernen som Jorden gjør med solen.
Oppdagelsen av en åttende planet rundt en annen stjerne betyr også at det er et system der ute som konkurrerer med solsystemet i totalt antall planeter. Kanskje det er på tide at vi vurderte IAU-vedtaket fra 2006 på nytt - du vet, den der Pluto ble "nedslått"? Og mens vi er inne på det, bør vi kanskje spore Ceres, Eris, Haumea, Makemake, Sedna og resten for planlegging. Ellers, hvordan ellers planlegger vi å opprettholde rekorden?
I fremtiden vil lignende maskinlæringsprosesser sannsynligvis bli brukt på neste generasjons eksoplanettjaktoppdrag, som Transiting Exoplanet Survey Satellite (TESS) og James Webb Space Telescope (JWST). Disse oppdragene er planlagt lansert i henholdsvis 2018 og 2019. Og i mellomtiden er det sikker på at det kommer mange flere avsløringer fra Kepler!
