ИИ-археолог RAVEN: как нейросеть нашла более 100 скрытых миров в данных TESS

Астрономы обнаружили более 100 новых миров за пределами Солнечной системы, скрывавшихся в данных, собранных космическим телескопом TESS (Transiting Exoplanet Survey Satellite), охотящимся за экзопланетами. И это стало возможным благодаря искусственному интеллекту. Метод также позволил идентифицировать еще около 2000 кандидатов в экзопланеты, примерно половина из которых ранее оставались незамеченными.

Учитывая, что в текущем каталоге NASA насчитывается около 6000 подтвержденных экзопланет, подтверждение этих кандидатов станет серьезным прорывом в поиске планет у других звезд. Инновационная программа ИИ, стоящая за этим открытием, получила название RAVEN; она была разработана исследователями из Уорикского университета в Великобритании.

TESS обнаруживает экзопланеты, фиксируя крошечные провалы в яркости звезд, которые возникают, когда планета проходит на фоне своего светила — явление, называемое транзитом. RAVEN проанализировал наблюдения TESS за более чем 2,2 миллиона звезд, собранные за первые четыре года работы космического телескопа, в поисках планет, расположенных так близко к своим звездам, что совершают полный оборот всего за 16 земных дней. Этот ИИ-конвейер может помочь подтвердить, насколько распространены такие планеты на тесных орбитах, и в каких системах они чаще всего встречаются.

«Это одна из наиболее качественно охарактеризованных выборок близкорасположенных планет, и она поможет нам определить самые перспективные системы для будущих исследований», — заявила в пресс-релизе руководитель команды исследователей Марина Лафарга Магро из Уорикского университета.

Орлиный глаз RAVEN сканирует Нептунову пустыню

С момента открытия первых экзопланет в середине 1990-х годов каталог экзопланет разросся до более чем 6000 подтвержденных записей, но тысячи кандидатов, выявленных космическими миссиями по поиску экзопланет, такими как TESS, Kepler и CHEOPS, остаются неподтвержденными.

Это происходит потому, что ученым необходимо определить, вызваны ли небольшие провалы в яркости звезд транзитом экзопланет или же они имеют другую, не связанную с планетами природу. Поэтому быстрое и надежное подтверждение этих кандидатов — серьезная задача, которую астрономы стремятся решить.

«Сложность заключается в том, чтобы определить, действительно ли затемнение вызвано планетой на орбите звезды или чем-то иным, например, затменными двойными звездами. Именно на этот вопрос RAVEN и пытается ответить», — пояснил в заявлении ведущий разработчик RAVEN Андреас Хаджигеоргиу из Уорикского университета. «Его сила проистекает из тщательно созданного нами набора данных, включающего сотни тысяч реалистично смоделированных планет и других астрофизических событий, которые могут маскироваться под планеты».

Разработчик объяснил, что команда обучила модели машинного обучения выявлять закономерности в данных, которые могут указать астрономам на тип обнаруженного события. RAVEN спроектирован так, чтобы обрабатывать весь процесс обнаружения экзопланет за один раз — от регистрации сигнала до его проверки с помощью машинного обучения и последующего статистического подтверждения. По словам Хаджигеоргиу, это дает ему дополнительное преимущество перед другими современными инструментами, которые фокусируются лишь на определенных этапах этого процесса.

«RAVEN позволяет нам анализировать огромные массивы данных последовательно и объективно», — отметил в пресс-релизе старший член команды и исследователь Уорикского университета Дэвид Армстронг. «Поскольку этот конвейер хорошо протестирован и тщательно проверен, это не просто список потенциальных планет — он достаточно надежен, чтобы использоваться в качестве выборки для картирования распространенности различных типов планет у звезд, подобных Солнцу».

Изучив кандидатов в близкорасположенные планеты, исследователи смогли детально определить типы планет и их популяции. Это показало, что около 10% звезд, подобных Солнцу, имеют на близкой орбите планету, что подтверждает выводы, сделанные предшественником TESS — телескопом Kepler.

Погружение в Нептунову пустыню

RAVEN также помог исследователям определить, насколько редки миры размером с Нептун на тесных орбитах. Оказалось, что такие планеты встречаются лишь у 0,08% солнцеподобных звезд. Отсутствие этих миров вблизи родительских звезд астрономы называют «Нептуновой пустыней».

«Впервые мы можем указать точную цифру, насколько пуста эта „пустыня“», — заявил в пресс-релизе руководитель группы, изучавшей Нептунову пустыню, Каймин Цуй из Уорикского университета. «Эти измерения показывают, что теперь TESS может сравниться, а в некоторых случаях и превзойти Kepler в изучении популяций планет».

Результаты работы RAVEN демонстрируют мощь искусственного интеллекта, способного просеивать огромные массивы астрономических данных и выявлять едва уловимые эффекты. Однако амбиции команды не ограничиваются текущими открытиями.

Новый рубеж для искусственного интеллекта

Успех RAVEN открывает путь для создания еще более сложных алгоритмов, способных работать с данными будущих миссий. Если TESS в основном нацелен на поиск планет у ярких и относительно близких звезд, то следующее поколение телескопов, таких как космический телескоп Nancy Grace Roman и планируемая миссия PLATO Европейского космического агентства, будет генерировать потоки данных, с которыми традиционные методы анализа просто не справятся.

«RAVEN — это только начало, — отмечает профессор Питер Уитли, руководитель группы астрофизики экзопланет Уорикского университета, не принимавший непосредственного участия в создании ИИ, но курирующий направление. — Мы стоим на пороге эпохи, когда нейросети станут полноценными соавторами открытий. Они не только будут находить иголки в стоге сена, но и помогут нам понять, как эти иголки там оказались и почему одних типов иголок больше, а других — меньше».

Исследователи уже работают над адаптацией алгоритма RAVEN для анализа данных наблюдений, которые будут поступать с наземных обсерваторий следующего поколения, включая чилийскую обсерваторию Веры Рубин. Ее 8,4-метровый телескоп с 3,2-гигапиксельной камерой начнет десятилетний обзор неба (Legacy Survey of Space and Time, LSST) в 2025 году, каждую ночь генерируя терабайты данных.

«Если TESS изучал транзиты, то LSST будет открывать экзопланеты методом микролинзирования, который позволяет находить гораздо более холодные и далекие миры, включая планеты размером с Землю, свободно путешествующие по галактике без родительской звезды», — объясняет Хаджигеоргиу. «Нам потребуется ИИ, чтобы найти их среди миллиардов звезд. RAVEN показал, что мы на правильном пути».

Тем временем, список из примерно 2000 кандидатов, выявленных ИИ, уже распределен между астрономами по всему миру для последующего наблюдения с помощью наземных телескопов, включая спектрограф HARPS в обсерватории Ла-Силья в Чили. Подтверждение хотя бы трети из них увеличит количество известных человечеству экзопланет почти на 10% всего за несколько лет.

Исследование команды опубликовано в трех статьях в журнале Monthly Notices of the Royal Astronomical Society, а также доступно на сервере препринтов arXiv.