Алгоритмы машинного обучения удвоили число кандидатов в экзопланеты

Международная группа астрономов под руководством Джошуа Рота из Принстонского университета пересмотрела архивные данные телескопа TESS за первый год его работы. Используя новые методы машинного обучения, исследователи выявили более 10 тысяч потенциальных экзопланет у тусклых звезд, которые ранее ускользали от внимания ученых из-за высокого уровня шумов в сигналах.

Команда Рота обработала свыше 83 миллионов графиков изменения яркости звезд, сосредоточившись на объектах с видимой звездной величиной до 16m. Прежние алгоритмы игнорировали такие тусклые светила, так как выделить слабый транзитный сигнал на фоне помех было технически сложно. Новая методика позволила не только обнаружить 10 091 ранее не замеченный кандидат, но и подтвердить эффективность подхода на примере звезды TIC 183374187, где был найден горячий юпитер.

Большинство выявленных объектов — газовые гиганты, совершающие полный оборот вокруг родительских звезд за считанные дни. Они удалены от Земли на расстояние до 6800 световых лет. Хотя астрономы признают, что до половины сигналов могут оказаться ложными срабатываниями из-за двойных звезд или технических артефактов, даже консервативные оценки предсказывают пополнение каталога экзопланет на несколько тысяч единиц.

Джесси Кристиансен из Института экзопланет NASA отмечает, что подобный массив данных критически важен для понимания механизмов формирования планетных систем. Исследователи продолжают работу с архивом TESS, где по-прежнему остаются тысячи неизученных сигналов. Согласно текущим прогнозам, к завершению своей миссии телескоп может обнаружить до 15 тысяч потенциальных миров.