Группа из Калифорнийского университета в Беркли и NASA Ames представила новый алгоритм для поиска экзопланет в данных телескопа Kepler, ориентированный на объекты на границе чувствительности прибора. Главная задача — повысить точность обнаружения экзопланет земного типа в обитаемой зоне и минимизировать количество ложных результатов, возникающих из-за шумов, дефектов и переменной активности звёзд.
В основе работы — поэтапная обработка данных. Сначала применяется очистка от локальных дефектов: внезапных падений чувствительности пикселей (SPSD), выбросов, артефактов на краях больших пропусков, а также гармоник в спектре. Для этого используются шаблоны с экспоненциальным и ступенчатым профилем, а также адаптивное сглаживание спектра шума.
Далее проводится «гауссианизация» данных: специальное преобразование подавляет влияние редких аномалий, но сохраняет сигналы, похожие на транзиты. Пробелы в данных заполняются с помощью модели стационарного гауссовского шума, параметры которого оцениваются индивидуально для каждой звезды.
Для поиска транзитов используется банк шаблонов с логарифмически распределёнными длительностями и периодами. На каждом этапе оценивается Байесовский фактор — интеграл по параметрам планеты, который позволяет объективно отличить сигнал планеты от шума и систематик. Важный критерий — согласованность длительности транзита с теоретическим ожиданием по закону Кеплера, с учётом плотности звезды, эксцентриситета и наклона орбиты.
Особое внимание уделяется анализу индивидуальных транзитов: если значимость события обеспечивается одной-двумя аномалиями, а остальные транзиты не подтверждают сигнал, то такой кандидат исключается. Для оценки достоверности используется статистика согласованности вклада каждого транзита, а также проверка на близость к крупным пропускам данных.
Авторы провели серию тестов на реальных наблюдениях Kepler и на искусственных данных. Новый алгоритм подтвердил все известные планеты, но исключил значительную часть кандидатов с длинным периодом и низким уровнем сигнала. В частности, несколько объектов в обитаемой зоне, ранее считавшихся перспективными, были признаны ложными, что влияет на оценку частоты потенциально пригодных для жизни экзопланет.
Алгоритм реализован на Python и доступен на GitHub. Работа позволяет повысить точность поиска экзопланет, ускоряет обработку больших астрономических массивов и даёт более честную оценку распространённости планет земного типа в галактике.