Sebuah tim dari University of Bern dan National Center of Competence in Research (NCCR) planet telah mengembangkan model pembelajaran mesin yang memprediksi sistem planet potensial dengan planet seperti bumi. Model ini dapat secara signifikan mempercepat dan dengan demikian merevolusi pencarian di masa depan untuk planet -planet yang layak huni di alam semesta.
Pencarian exoplanet seperti bumi – planet yang mengorbit bintang selain matahari kita – adalah topik sentral dalam penelitian planet saat ini, karena kehidupan luar angkasa kemungkinan besar ditemukan di sana. Para peneliti di University of Bern sekarang telah mengembangkan model pembelajaran mesin inovatif yang mengidentifikasi sistem planet yang berpotensi menampung planet-planet seperti bumi.
Seluruh tim di belakang temuan ini adalah, atau pada saat penelitian, berafiliasi dengan Universitas Bern dan anggota planet NCCR. Penulis pertama, Dr. Jeanne Davoult, yang sekarang menjadi peneliti postdoctoral di DLR (Deutsches Zentrum für Luftund Raumfahrt) di Berlin, mempelajari populasi exoplanet dan mengembangkan model tersebut sebagai bagian dari tesis doktoralnya di Fisika Riset dan Divisi Ilmu Planet (WP) The Phycics Tesisnya. Yann Alibert, co-sutradara Pusat Ruang dan Kelayaan Kelayaan (CSH), dan Romain Eltschinger, juga kandidat PhD di CSH, memberikan kontribusi yang signifikan untuk penelitian ini, yang baru saja diterbitkan dalam jurnal Astronomi & Astrofisika.
Pelatihan dengan data dari model Bern yang terkenal
Model pembelajaran mesin adalah alat statistik yang dilatih dengan data untuk mengenali jenis pola tertentu dan membuat prediksi. Jeanne Davoult menjelaskan: “Model kami didasarkan pada algoritma yang saya kembangkan dan yang dilatih untuk mengenali dan mengklasifikasikan sistem planet yang menampung planet-planet seperti bumi.” Model ini dibangun pada penelitian sebelumnya untuk menyimpulkan korelasi antara ada atau tidak adanya planet seperti bumi dan sifat-sifat sistemnya.
Algoritma ini dilatih dan diuji dengan data dari apa yang disebut “model Bern dari pembentukan dan evolusi planet”. “Model Bern dapat digunakan untuk membuat pernyataan tentang bagaimana planet dibentuk, bagaimana mereka berevolusi, dan jenis planet mana yang berkembang dalam kondisi tertentu dalam cakram protoplanet,” jelas rekan penulis Yann alibert. Sejak 2003, model Bern telah terus dikembangkan di University of Bern (lihat juga InfoBox di bawah). “Model Bern adalah satu -satunya model di seluruh dunia yang menawarkan banyak proses fisik yang saling terkait dan memungkinkan studi seperti yang saat ini dilakukan,” lanjut alibert.
Akurasi 99% dari model baru
Algoritma model pembelajaran mesin baru dilatih dan diuji menggunakan data tentang sistem planet sintetis dari model Bern. “Hasilnya mengesankan: algoritma mencapai nilai presisi hingga 0,99, yang berarti bahwa 99% dari sistem yang diidentifikasi oleh model pembelajaran mesin memiliki setidaknya satu planet seperti bumi,” kata Davoult.
Model ini kemudian diterapkan untuk benar -benar mengamati sistem planet. “Model ini mengidentifikasi 44 sistem yang sangat mungkin menampung planet-planet seperti bumi yang tidak terdeteksi. Sebuah studi lebih lanjut mengkonfirmasi kemungkinan teoritis bagi sistem ini untuk menjadi tuan rumah planet seperti bumi”, Davoult menjelaskan.
Pencarian yang lebih efisien untuk planet yang layak huni
Sebagai bagian dari tesis masternya, rekan penulis studi Romain Eltschinger berkontribusi pada pengembangan lebih lanjut dari model pembelajaran mesin, yang memungkinkannya digunakan dalam berbagai skenario yang lebih luas. Dia mengatakan: “Hasil ini penting bagi komunitas ilmiah, dan khususnya untuk misi ruang angkasa di masa depan seperti Plato atau konsep misi masa depan seperti Life, yang akan didedikasikan untuk penemuan dan karakterisasi planet kecil dan dingin.”
Penggunaan model pembelajaran mesin ini untuk mencari secara lebih khusus untuk planet seperti bumi dapat meminimalkan waktu pencarian dan memaksimalkan jumlah penemuan. “Ini adalah langkah penting dalam pencarian planet dengan kondisi yang menguntungkan untuk hidup dan, pada akhirnya, untuk pencarian kehidupan di alam semesta,” simpul alibert.
