В ходе масштабного исследования были изучены наблюдения свыше 2,2 миллиона звезд. Благодаря этому ученые подтвердили существование 118 экзопланет, из которых 31 была открыта впервые. Кроме того, система выделила более 2000 высококачественных кандидатов в планеты, почти половина из которых ранее не была известна науке. Особенно захватывающим является открытие редких и экстремальных планет, таких как те, которые вращаются вокруг своих звезд менее чем за сутки и объекты из так называемой «пустыни горячих нептунов» – зоны, где, согласно теориям, планеты встречаются крайне редко.
Ключевое отличие новой системы – комплексный подход. В отличие от традиционных методов, которые анализируют данные поэтапно, RAVEN обрабатывает весь массив информации «от и до»: от первичного обнаружения сигнала до его финальной статистической проверки.
Для обучения нейросети ученые создали гигантскую базу данных, содержащую сотни тысяч реалистичных симуляций различных астрофизических явлений. Это позволило ИИ научиться отличать настоящие транзиты планет от ложных сигналов, например, затмений двойных звёзд или инструментальных шумов.
«Задача состоит в том, чтобы отличить планету от «самозванца». Мы обучили модели машинного обучения распознавать тончайшие закономерности в данных, с чем ИИ справляется значительно лучше человека», – поясняет доктор Андреас Хаджигеоргиу.
Полученный набор данных оказался настолько чистым и надежным, что позволил ученым выйти за рамки простого открытия планет и перейти к глобальному анализу их популяций.
В сопутствующем исследовании астрономы измерили реальную частоту встречаемости планет у звезд, похожих на Солнце. Выяснилось, что примерно у 9–10% таких светил есть планеты на близких орбитах. Это открытие подтверждает данные миссии Kepler, но снижает погрешность измерений в десять раз.
Также впервые было получено точное значение редкости планет типа «пустыня горячих нептунов»: они встречаются лишь у 0,08% солнцеподобных звезд.
«Впервые мы можем точно определить, насколько пуста эта «пустыня»», – отмечает доктор Кайминг Цуй.
Этот проект знаменует начало новой эры в астрономии. Объединяя большие данные (Big Data) и машинное обучение, ученые не только ускоряют поиск новых миров, но и создают инструменты для ответа на фундаментальные вопросы о строении нашей Галактики. Команда уже опубликовала интерактивные каталоги для всего научного сообщества, чтобы облегчить дальнейшие исследования с помощью наземных телескопов и будущих космических миссий, таких как европейский телескоп PLATO.
