Metode pembelajaran mendalam baru menambahkan 301 planet ke jumlah total Kepler

Para ilmuwan baru-baru ini menambahkan 301 exoplanet besar yang baru divalidasi ke jumlah total exoplanet. Kerumunan planet adalah yang terbaru untuk bergabung dengan 4.569 planet yang telah divalidasi dan mengorbit sejumlah besar bintang jauh. Bagaimana para ilmuwan menemukan begitu banyak planet, tampaknya sekaligus? Jawabannya terletak pada jaringan saraf dalam baru yang disebut ExoMiner.

Jaringan saraf dalam adalah metode pembelajaran mesin yang secara otomatis mempelajari tugas ketika diberikan data yang cukup. ExoMiner adalah jaringan saraf dalam baru yang memanfaatkan superkomputer NASA, Pleiades, dan dapat membedakan exoplanet asli dari berbagai jenis penjahat, atau “positif palsu”. Desainnya terinspirasi oleh banyak tes dan karakteristik yang digunakan para ahli manusia untuk mengkonfirmasi exoplanet baru. Ia belajar menggunakan exoplanet yang telah dikonfirmasi sebelumnya dan hasil positif palsu.

ExoMiner melengkapi para profesional dalam menyisir data dan menguraikan apa itu planet dan apa yang bukan. Secara khusus, data yang dikumpulkan oleh pesawat ruang angkasa Kepler NASA dan K2, misi lanjutannya. Untuk misi seperti Kepler, dengan ribuan bintang di bidang pandang mereka, masing-masing dengan potensi untuk menampung beberapa exoplanet potensial, adalah tugas yang memakan waktu untuk mempelajari kumpulan data yang sangat besar. ExoMiner memecahkan dilema ini.

kata John Jenkins, seorang ilmuwan planet ekstrasurya di Pusat Penelitian Ames NASA di Lembah Silikon California. “Kami dapat dengan mudah menjelaskan fitur dalam data yang membuat ExoMiner menolak atau mengonfirmasi sebuah planet.”

Apa perbedaan antara dikonfirmasi dan bersertifikat? planet ekstrasurya? Sebuah planet “dikonfirmasi” ketika berbagai teknik pengamatan mengungkapkan fitur yang hanya dapat dijelaskan oleh sebuah planet. Sebuah planet “divalidasi” menggunakan statistik – yang berarti seberapa besar kemungkinan atau kemungkinannya menjadi planet berdasarkan data.

Dalam sebuah makalah yang diterbitkan di Jurnal Astrofisika, tim di Ames menjelaskan bagaimana ExoMiner 301 ditemukan planet Menggunakan data dari kumpulan planet potensial – atau kandidat – yang tersisa di arsip Kepler. Semua 301 planet yang divalidasi secara otomatis ditemukan melalui pipa Pusat Operasi Sains Kepler dan ditingkatkan ke status kandidat planet oleh Kantor Sains Kepler. Tapi sampai ExoMiner, tidak ada yang bisa memvalidasi mereka sebagai planet.

Makalah ini juga menunjukkan bagaimana ExoMiner lebih akurat dan konsisten dalam pengecualian positif palsu dan kemampuan yang lebih baik untuk mengungkapkan tanda-tanda sebenarnya dari planet yang mengorbit bintang induknya — semuanya sambil memberi para ilmuwan kemampuan untuk melihat secara detail apa yang mendorong ExoMiner sampai pada kesimpulannya.

“Ketika Anda mengatakan ExoMiner bahwa sesuatu adalah sebuah planet, Anda dapat yakin bahwa itu adalah sebuah planet,” tambah Hamid Valizadegan, pemimpin proyek ExoMiner dan direktur pembelajaran mesin di Konsorsium Penelitian Luar Angkasa Universitas di Ames. “ExoMiner sangat akurat dan dalam beberapa hal lebih dapat diandalkan daripada pengklasifikasi mesin saat ini dan pakar manusia yang seharusnya ditiru karena bias yang datang dengan label manusia.”

Tak satu pun dari planet yang baru dikonfirmasi diyakini mirip Bumi atau terletak di zona layak huni bintang induknya. Tetapi mereka memiliki karakteristik yang mirip dengan total exoplanet yang dikonfirmasi di sekitar galaksi.

“301 penemuan ini membantu kita lebih memahami planet dan tata surya di luar konstelasi kita, dan apa yang membuat planet kita begitu unik,” kata Jenkins.

Saat pencarian lebih banyak exoplanet berlanjut — dengan misi yang menggunakan fotometri transit seperti Transiting Exoplanet Survey Satellite milik NASA, atau TESS, misi Transiting and Oscillations of Stars PLAnetary, atau PLATO, misi ExoMiner — ia akan memiliki lebih banyak peluang untuk membuktikannya di tingkat ini misi.

“Sekarang kami telah melatih ExoMiner dengan data Kepler, dengan sedikit penyesuaian, kami dapat mentransfer pembelajaran itu ke tugas lain, termasuk TESS, yang sedang kami kerjakan,” kata Valizadegan. “Ada ruang untuk pertumbuhan.”