Elk jaar worden er steeds meer planeten buiten de zon ontdekt. Om de zaken interessanter te maken, maken verbeteringen in methodologie en technologie het mogelijk om meer planeten binnen individuele systemen te ontdekken. Beschouw eens de recente aankondiging van een systeem met zeven planeten rond de rode dwergster, bekend als TRAPPIST-1. Destijds vestigde deze ontdekking het record voor de meeste exoplaneten in een baan rond een enkele ster.
Ga goed over TRAPPIST-1! Dankzij de Kepler-ruimtetelescoop en machine learning ontdekten een team van Google AI en het Harvard-Smithsonian Center of Astrophysics (CfA) onlangs een achtste planeet in het verre sterrenstelsel van Kepler-90. Bekend als Kepler -90i, werd de ontdekking van deze planeet mogelijk gemaakt dankzij Google-algoritmen die bewijs ontdekten van een zwak transit-signaal in de Kepler-missiegegevens.
De studie die hun bevindingen beschrijft, getiteld "Identificatie van exoplaneten met diep leren: een resonerende ketting van vijf planeten rond Kepler-80 en een acht planeet rond Kepler-90", verscheen onlangs online en is geaccepteerd voor publicatie in The Astronomical Journal. Het onderzoeksteam bestond uit Christopher Shallue van Google AI en Andrew Vanderburg van de Universiteit van Texas en de CfA.
Kepler-90, een zonachtige ster, bevindt zich op ongeveer 2545 lichtjaar van de aarde in het sterrenbeeld Draco. Zoals opgemerkt, hadden eerdere onderzoeken het bestaan van zeven planeten rond de ster aangegeven, een combinatie van aardse (ook wel rotsachtige) planeten en gasreuzen. Maar na gebruik te hebben gemaakt van een Google-algoritme dat was gemaakt om door Kepler-gegevens te zoeken, bevestigde het onderzoeksteam dat het signaal van een andere planeet die zich dichter bij een baan om de aarde bevond, op de loer lag.
De Kepler-missie vertrouwt op de Transit-methode (ook bekend als Transit Photometry) om de aanwezigheid van planeten rond helderdere sterren te onderscheiden. Dit bestaat uit het waarnemen van sterren voor periodieke helderheidsdalingen, wat een indicatie is dat een planeet voorbij de ster passeert (d.w.z. doorloopt) ten opzichte van de waarnemer. Ten behoeve van hun studie hebben Shallue en Vanderburg een computer getraind om door Kepler geregistreerde lichtkrommen te lezen en de aanwezigheid van transits te bepalen.
Dit kunstmatige 'neurale netwerk' doorzocht de gegevens van Kepler en vond zwakke transit-signalen die de aanwezigheid van een eerder gemiste planeet rond Kepler-90 aanduidden. Deze ontdekking gaf niet alleen aan dat dit systeem veel op het onze lijkt, het bevestigt ook de waarde van het gebruik van kunstmatige intelligentie om archiefgegevens te ontginnen. Hoewel machine learning eerder werd gebruikt om Kepler-gegevens te doorzoeken, toont dit onderzoek aan dat zelfs de zwakste signalen nu kunnen worden onderscheiden.
Zoals Paul Hertz, directeur van NASA's Astrophysics Division in Washington, zei in een recent NASA-persbericht:
“Zoals we verwachtten, liggen er spannende ontdekkingen op de loer in onze gearchiveerde Kepler-gegevens, wachtend op de juiste tool of technologie om ze op te graven. Deze bevinding toont aan dat onze gegevens de komende jaren een schatkamer zullen zijn voor innovatieve onderzoekers. ”
Deze nieuw ontdekte planeet, bekend als Kepler-90i, is een rotsachtige planeet die qua grootte vergelijkbaar is met de aarde (1,32 ± 0,21 aardstralen) die om zijn ster draait met een periode van 14,4 dagen. Gezien de nabijheid van zijn ster, wordt aangenomen dat deze planeet extreme temperaturen van 709 K (436 ° C; 817 ° F) ervaart - waardoor het warmer is dan Mercurius 'daghoogte van 700 K (427 ° C; 800 ° F).
Als senior software-engineer bij Google's onderzoeksteam Google AI kwam Shallue op het idee om een neuraal netwerk toe te passen op Kepler-gegevens nadat hij had geleerd dat astronomie (net als andere takken van wetenschap) snel een 'big data'-zorg aan het worden is. Naarmate de technologie voor gegevensverzameling geavanceerder wordt, worden wetenschappers overspoeld met datasets van steeds grotere omvang en complexiteit. Zoals Shallue uitlegde:
"In mijn vrije tijd begon ik te googlen naar 'het vinden van exoplaneten met grote datasets' en ontdekte ik de Kepler-missie en de enorme dataset die beschikbaar was. Machine learning schittert echt in situaties waarin er zoveel gegevens zijn dat mensen er zelf niet naar kunnen zoeken. "
De Kepler-missie verzamelde in de eerste vier jaar van haar bestaan een dataset die bestond uit 35.000 mogelijke planetaire transitsignalen. In het verleden werden geautomatiseerde tests en soms visuele inspecties gebruikt om de meest veelbelovende signalen in de gegevens te verifiëren. Met deze methoden werden echter vaak de zwakste signalen gemist, waardoor tientallen of zelfs honderden planeten niet werden vermeld.
Om dit te verbeteren, werkte Shallue samen met Andrew Vanderburgh - een National Science Foundation Graduate Research Fellow en NASA Sagan Fellow - om te zien of machine learning de gegevens kan ontginnen en meer signalen kan opwekken. De eerste stap bestond uit het trainen van een neuraal netwerk om voorbijgaande exoplaneten te identificeren met behulp van een set van 15.000 eerder doorgelichte signalen uit de Kepler exoplanet-catalogus.
In de testset identificeerde het neurale netwerk de juiste planeten en valse positieven correct met een nauwkeurigheid van 96%. Na te hebben aangetoond dat het doorgangssignalen kon herkennen, stuurde het team vervolgens hun neurale netwerk op zoek naar zwakkere signalen in 670 sterrenstelsels die al meerdere bekende planeten hadden. Deze omvatten Kepler-80, die vijf eerder bekende planeten had, en Kepler-90, die er zeven had. Zoals Vanderburg aangaf:
“We hebben veel false positives van planeten, maar ook potentieel meer echte planeten. Het is alsof je door rotsen zift om juwelen te vinden. Als je een fijnere zeef hebt, zul je meer stenen vangen, maar misschien ook meer juwelen. '
De zesde planeet in Kepler-80 staat bekend als Kepler-80g, een planeet op aarde die zich in een resonantieketen bevindt met zijn vijf naburige planeten. Dit gebeurt wanneer planeten door hun onderlinge zwaartekracht worden vergrendeld in een extreem stabiel systeem, vergelijkbaar met wat de zeven planeten van TRAPPIST-1 ervaren. Kepler-90i, aan de andere kant, is een planeet ter grootte van een aarde die kwikachtige omstandigheden en banen buiten 90b en 90c ervaart.
In de toekomst zijn Shallue en Vanderburg van plan hun neurale netwerk toe te passen op het volledige archief van Kepler met meer dan 150.000 sterren. Binnen deze enorme dataset liggen waarschijnlijk nog veel meer planeten op de loer, en citeren mogelijk binnen multi-planetaire systemen die al zijn onderzocht. In dit opzicht heeft de Kepler-missie (die al van onschatbare waarde was voor exoplaneetonderzoek) aangetoond dat ze nog veel meer te bieden heeft.
Zoals Jessie Dotson, Kepler's projectwetenschapper bij NASA's Ames Research Center, het zei:
"Deze resultaten tonen de blijvende waarde van de missie van Kepler aan. Nieuwe manieren om naar de gegevens te kijken - zoals dit vroege onderzoek om machine learning-algoritmen toe te passen - belooft aanzienlijke vooruitgang te blijven boeken in ons begrip van planetaire systemen rond andere sterren. Ik weet zeker dat er meer primeurs in de gegevens wachten tot mensen ze vinden. "
Natuurlijk, het is bekend dat een zonachtige ster nu een systeem van acht planeten heeft (zoals ons zonnestelsel), er zijn mensen die zich afvragen of dit systeem een goede gok kan zijn om buitenaards leven te vinden. Maar voordat iemand te opgewonden raakt, is het vermeldenswaard dat Kepler-90s-planeten allemaal vrij dicht bij de ster draaien. Het is de buitenste planeet, Kepler-90h, die op een vergelijkbare afstand van zijn ster draait als de aarde met de zon.
De ontdekking van een achtste planeet rond een andere ster betekent ook dat er een systeem is dat het zonnestelsel kan evenaren in het totale aantal planeten. Misschien wordt het tijd dat we de IAU-beslissing van 2006 heroverwegen - weet je, die waarin Pluto werd "gedegradeerd"? En terwijl we bezig zijn, moeten we misschien Ceres, Eris, Haumea, Makemake, Sedna en de rest versnellen voor planethood. Hoe zijn we anders van plan om ons record te behouden?
In de toekomst zullen vergelijkbare machine-leerprocessen waarschijnlijk worden toegepast op missies van de volgende generatie op exoplaneten, zoals de Transiting Exoplanet Survey Satellite (TESS) en de James Webb Space Telescope (JWST). Deze missies worden respectievelijk in 2018 en 2019 gelanceerd. En in de tussentijd zullen er zeker nog veel meer openbaringen van Kepler komen!
