Специалисты Коуровской астрономической обсерватории УрФУ в составе научной группы NASA Ames проработали новое поколение нейросети. Нейросеть помогает разбираться в огромных массивах астрономических измерений и находить среди них настоящие планеты, скрытые в слабых и едва различимых изменениях блеска звезды. Алгоритм назвали ExoMiner++, обучили на данных миссии Kepler, где большинство объектов проверены и надежно классифицированы, и «шумных» данных космического телескопа TESS. Описание новой нейросети и результаты обучения исследователи опубликовали в The Astronomical Journal. Работу уральских ученых поддержало Минобрнауки России (программа «Приоритет-2030») в рамках Десятилетия науки и технологий.
«Экзопланеты — это миры за пределами Солнечной системы. Они бывают газовыми гигантами, как Юпитер, а бывают небольшими и плотными, как Земля. Многие вращаются вокруг звезд, похожих на наше Солнце. Некоторые находятся в зонах, где температура позволяет существовать жидкости на поверхности. Их изучение помогает понять, насколько уникально наше положение во Вселенной, как часто встречаются условия, пригодные для жизни, и какие системы могут быть похожи на собственную историю Земли», — рассказывает руководитель Коуровской астрономической обсерватории УрФУ Вадим Крушинский.
Миссия TESS — это орбитальный телескоп, который каждые две минуты измеряет яркость тысяч звезд по всему небу, напоминают ученые. Он ищет моменты, когда планета проходит по диску своей звезды. В такие моменты блеск падает на доли процента. Эти краткие мигания называют транзитами. Если транзит повторяется через равные промежутки времени, то с высокой долей вероятности это планета на орбите.
«Дело в том, что TESS собирает настолько много данных, что в них тонут не только транзиты, но и шумы камеры, ошибки телеметрии, вспышки, двойные звезды, колебания яркости и множество других явлений. В итоге телескоп фиксирует сотни тысяч событий, похожих на транзит, и подавляющее большинство из них не имеют отношения к планетам. Обрабатывать такой поток вручную невозможно», — поясняет соавтор исследования, специалист Коуровской астрономической обсерватории УрФУ Никита Чазов.
ExoMiner++ анализирует форму изменения яркости, поведение фона, периодичность события, структурные признаки двойных звезд и даже особенности работы реакционных колес спутника, добавляют астрономы.
«Первые результаты впечатляют: ExoMiner++ автоматически разобрал 147 тыс. транзитоподобных событий и выделил из них 7 330 тех, что действительно могут быть экзопланетами. Остальные были признаны ложными. При этом модель не только пополнила каталог новыми объектами, но и пересмотрела старые записи. Например, из 2 506 кандидатов, которые раньше считались многообещающими, она подтвердила лишь 1 797. Это значит, что дальнейшие наблюдения можно направить туда, где вероятность найти настоящую планету по-настоящему высока», — констатирует Никита Чазов.
ExoMiner++ работает как очень внимательная служба безопасности, которая одновременно просматривает все камеры и всю историю, помечает возможные инциденты и отдает их людям уже в виде короткого списка, объясняют ученые.
«Если перевести это на более привычный образ, можно представить, что у вас есть многолетний архив видеозаписей с камер наблюдения в большом аэропорту. Среди миллионов часов записей нужно найти редкие, но важные эпизоды: кто-то оставил бесхозный чемодан, кто-то пронес запрещенный предмет, где-то случилось что-то необычное. Один человек, просматривая видео в реальном времени, не успеет сделать это за всю жизнь, — приводит аналогию Никита Чазов. — Мы живем в эпоху, когда данные прибывают слишком быстро, чтобы человек успевал их просматривать, а машины достаточно умны, чтобы брать на себя черновую, но важнейшую часть анализа».
В планах исследователей продолжать использовать ExoMiner++ для обработки новых данных TESS, а также адаптировать подход под будущие миссии. В ближайшие годы объем наблюдений только возрастет, и именно такие модели станут ключом к тому, чтобы среди миллиардов измерений увидеть самое главное — новые миры вокруг далеких звезд, полагают ученые.