Как изкуственият интелект помага в търсенето на нови Земи в космоса?

Нов метод за машинно обучение, разработен от учени от университета в Берн, е в състояние да предскаже съществуването на подобни на Земята планети с 99% точност, което значително ускорява търсенето на потенциално обитаеми светове.

Откриването на подобни на Земята екзопланети е една от най-важните задачи на съвременната астрономия. Такива планети представляват най-голям интерес в контекста на търсенето на извънземен живот. Изследователи от университета в Берн и Националния център за компетенции в изследванията (NCCR) PlanetS създадоха иновативен модел, който анализира характеристиките на планетарните системи и определя вероятността за присъствието на земни светове в тях.

Алгоритъм за машинно обучение разпознава сложни модели, които показват наличието на подобни на Земята планети, дори когато тези планети не се наблюдават директно. Тази технология може да революционизира астробиологичните изследвания, като ни позволи да съсредоточим ресурсите си върху най-обещаващите звездни системи.

Методология и разработване на модела

Моделът е създаден от учени, свързани с университета в Берн. Д-р Жан Давулт, който е първият автор на изследването, е разработил алгоритъма, докато работи върху докторската си дисертация в отдела за космически изследвания и планетарни науки. Значителен принос са дали и професор Ян Алиберт, съдиректор на Центъра за пространство и обитаемост, и аспирантът Ромен Елтшингер.

За обучението на алгоритъма е използван така нареченият „модел на Берн“ за планетарно формиране и еволюция. Д-р Алиберт обяснява: „Моделът на Берн може да се използва, за да се направят твърдения за това как са се формирали планетите, как са еволюирали и какви видове планети се развиват при определени условия в протопланетарния диск.“ Този модел е разработен в университета в Берн от 2003 г. и е един от най-сложните в света.

Алгоритъмът анализира многобройни параметри на планетарните системи и установява връзките между различни характеристики на системата и вероятността за съществуването на земеподобни планети в нея. Обучението е извършено върху синтетични данни за планетарната система, генерирани с помощта на модела на Берн, което позволява включването на широк набор от сценарии за формиране на планетите.

Впечатляваща точност и практично приложение

Резултатите от тестването на модела са се оказали впечатляващи. Според д-р Даво: „Алгоритъмът постига стойности на точност до 0,99, което означава, че 99% от системите, идентифицирани от модела за машинно обучение, имат поне една планета, подобна на Земята.“ Тази висока точност прави този инструмент изключително ценен за астрономически изследвания.

След успешно тестване върху синтетични данни, моделът е приложен и към реални наблюдавани планетарни системи. Анализът е открил 44 системи с голяма вероятност да имат неоткрити планети, подобни на Земята. Теоретичните изчисления потвърждават възможността за съществуването на такива планети в тези системи.

Ромен Елтшингер, който е допринесъл за по-нататъшното развитие на модела, подчертава значението му за бъдещите космически мисии: „Тези резултати са важни за научната общност и по-специално за бъдещите космически мисии като PLATO или концепциите за бъдещи мисии като LIFE, които ще бъдат посветени на откриването и характеризирането на малките, студени планети.“

Перспективи за търсене на извънземен живот

Прилагането на методи за машинно обучение към астрономическите данни отваря нови хоризонти в търсенето на потенциално обитаеми светове. Целенасоченото изследване на обещаващите системи значително намалява времето, необходимо за откриване на подобни на Земята планети, като оптимизира използването на ограничените ресурси за астрономическо наблюдение.

Д-р Алибърт обобщава значението на това изследване: „Това е значителна стъпка в търсенето на планети с благоприятни условия за живот и в крайна сметка в търсенето на живот във Вселената.“ Моделът на машинно обучение не само ускорява откриването на интересни планетарни системи, но и задълбочава нашето разбиране относно процесите на формиране на планетите и условията, необходими за появата на живот.

В бъдеще се планира подобряване на модела чрез включване на нови данни от съвременните телескопи и космически мисии. Това ще повиши неговата точност и ще разшири обхвата му на приложение. Комбинирането на астрономическите наблюдения с мощните алгоритми за изкуствен интелект създава уникален инструмент за разрешаване на една от най-големите научни мистерии: сами ли сме във Вселената?