Une exoplanète jusque-là inconnue découverte grâce à l’apprentissage automatique
Lorsqu'il s'agit de découvrir de nouveaux corps astronomiques, les humains sont parfois irremplaçables grâce à leurs compétences en détection de formes. Mais dans d'autres cas, les ordinateurs peuvent repérer des choses qui ne sont pas visibles pour les humains, y compris un cas récent où une exoplanète a été découverte à l'aide de l'apprentissage automatique.
L'exoplanète a été découverte par des chercheurs de l'Université de Géorgie dans un disque protoplanétaire appelé HD 142666. Un disque protoplanétaire est un disque de gaz en rotation qui tourbillonne autour de jeunes étoiles et à partir duquel se forment des planètes. Les planètes se forment à l'intérieur de ces disques au fur et à mesure que la matière s'agglutine jusqu'à ce qu'elle ait finalement suffisamment de gravité pour attirer plus de matière. Les chercheurs ont examiné une série d'observations précédentes d'un ensemble complet de disques protoplanétaires et ont utilisé un modèle d'apprentissage automatique pour rechercher des exoplanètes qui aurait pu être manqué la première fois. Ils ont identifié un disque où une planète était susceptible de se trouver, en se basant sur la façon inhabituelle dont le gaz se déplaçait à l'intérieur du disque.
"Nous avons confirmé la planète en utilisant des techniques traditionnelles, mais nos modèles nous ont demandé d'exécuter ces simulations et nous ont montré exactement où la planète pourrait être", a déclaré l'auteur principal Jason Terry dans un communiqué . «Lorsque nous avons appliqué nos modèles à un ensemble d'observations plus anciennes, ils ont identifié un disque qui n'était pas connu pour avoir une planète bien qu'il ait déjà été analysé. Comme les découvertes précédentes, nous avons effectué des simulations du disque et découvert qu'une planète pouvait recréer l'observation.
Les chercheurs disent qu'il s'agit d'une preuve de concept montrant que l'apprentissage automatique peut être utilisé pour faire de nouvelles découvertes d'exoplanètes, même avec des données qui ont déjà été analysées. Cela pourrait signifier plus de découvertes d'exoplanètes à l'avenir, ainsi que des découvertes plus rapides.
"Cela démontre que nos modèles – et l'apprentissage automatique en général – ont la capacité d'identifier rapidement et avec précision les informations importantes que les gens peuvent manquer. Cela a le potentiel d'accélérer considérablement l'analyse et les connaissances théoriques ultérieures », a déclaré Terry. "Il n'a fallu qu'environ une heure pour analyser l'intégralité de ce catalogue et trouver des preuves solides d'une nouvelle planète à un endroit spécifique, nous pensons donc qu'il y aura une place importante pour ces types de techniques à mesure que nos ensembles de données deviendront encore plus volumineux."
La recherche est publiée dans The Astrophysical Journal .