Αυτή η ανακάλυψη μπορεί να μεταμορφώσει την αναζήτηση για κατοικήσιμους κόσμους, λένε οι επιστήμονες.

Για δεκαετίες, οι αστρονόμοι αναζητούσαν πλανήτες που μοιάζουν με τη Γη έξω από το ηλιακό μας σύστημα. Ένα επαναστατικό σύστημα τεχνητής νοημοσύνης που αναπτύχθηκε από ερευνητές του Πανεπιστημίου της Βέρνης και του Εθνικού Κέντρου Ικανότητας στην Έρευνα PlanetS επιταχύνει αυτήν την αναζήτηση, εντοπίζοντας 44 αστρικά συστήματα που είναι πιθανό να φιλοξενούν πλανήτες που μοιάζουν με τη Γη που δεν είχαν ανιχνευθεί στο παρελθόν.

Η αναζήτηση για εξωπλανήτες που μοιάζουν με τη Γη είναι επίπονη. Αυτοί οι πλανήτες, μικροί και ψυχροί, είναι εμφανώς δύσκολο να ανιχνευθούν, ιδιαίτερα εκείνοι που βρίσκονται στην « εύκρατη ζώνη » γύρω από τα αστέρια—περιοχές όπου οι συνθήκες μπορεί να είναι κατάλληλες για ζωή.

Οι παραδοσιακές μέθοδοι εύρεσης αυτών των πλανητών, όπως ο PLATO και οι προτεινόμενες αποστολές LIFE, είναι εξαιρετικά ευαίσθητες αλλά αργές, και συχνά απαιτούν ένα χρόνο ή περισσότερο παρατήρηση για να εντοπιστεί ένας μόνο υποψήφιος.

Για να επιταχύνουν αυτή τη διαδικασία, οι ερευνητές στράφηκαν στην τεχνητή νοημοσύνη . Αντί να βασίζεται αποκλειστικά σε άμεσες παρατηρήσεις, το σύστημα τεχνητής νοημοσύνης τους μελετά τη δομή γνωστών πλανητικών συστημάτων για να προβλέψει πού μπορεί να κρύβονται πλανήτες που μοιάζουν με τη Γη.

Τα αποτελέσματα των προβλέψεων της AI ήταν εκπληκτικά. Σε δοκιμές, το σύστημα εντόπισε με ακρίβεια πλανήτες που μοιάζουν με τη Γη με αξιοσημείωτη ακρίβεια 99% .

Πώς λειτουργεί το μοντέλο AI;

Η μελέτη χρησιμοποίησε το Μοντέλο Σχηματισμού και Εξέλιξης Πλανητών της Βέρνης , μια προσομοίωση υπολογιστή που μοντελοποιεί πώς σχηματίζονται και εξελίσσονται οι πλανήτες στα πρώιμα περιβάλλοντά τους.

Αυτό το μοντέλο προσομοιώνει ένα ευρύ φάσμα φυσικών διεργασιών που εμπλέκονται στο σχηματισμό πλανητών. Αυτά τα προσομοιωμένα συστήματα σχεδιάστηκαν για να μοιάζουν πολύ με πραγματικά πλανητικά συστήματα , παρέχοντας ένα πλούσιο σύνολο δεδομένων για την εκπαίδευση της AI.

Αφού εκπαιδεύτηκε, η AI ανέλυσε πάνω από 1.600 αστρικά συστήματα , το καθένα από τα οποία περιείχε τουλάχιστον έναν γνωστό πλανήτη. Το σύστημα εστίασε ιδιαίτερα στον πιο εσωτερικό ανιχνεύσιμο πλανήτη (IDP) σε κάθε σύστημα, διαπιστώνοντας ότι η μάζα και η τροχιά αυτού του πλανήτη μπορούν να προσφέρουν σημαντικές ενδείξεις για την παρουσία άλλων πλανητών πιο έξω.

Μελετώντας αυτά τα μοτίβα, η τεχνητή νοημοσύνη επισήμανε 44 αστρικά συστήματα που πιστεύει ότι θα μπορούσαν να φιλοξενήσουν πλανήτες σαν τη Γη που δεν έχουν ανακαλυφθεί ακόμη.

Αυτά τα συστήματα περιφέρονται κυρίως γύρω από αστέρια ταξινομημένα ως τύπους G , K και M , τα οποία θεωρούνται ιδανικοί υποψήφιοι για τη φιλοξενία κατοικήσιμων πλανητών.

Μια σημαντική ανακάλυψη για μελλοντικές διαστημικές αποστολές
Οι προβλέψεις αυτού του συστήματος AI έχουν τεράστιες δυνατότητες για μελλοντικές διαστημικές αποστολές. Αντί να σαρώνουν τυφλά τον ουρανό για πλανήτες που μοιάζουν με τη Γη, οι αστρονόμοι θα μπορούσαν τώρα να επικεντρώσουν τις προσπάθειές τους στα αστρικά συστήματα που εντόπισε το AI.

Αυτή η στοχευμένη προσέγγιση θα εξοικονομούσε πολύτιμο χρόνο και πόρους τηλεσκοπίου , καθιστώντας την αναζήτηση για κατοικήσιμους κόσμους πολύ πιο αποτελεσματική.

Η Δρ Jeanne Davoult, η οποία συνέβαλε στην ανάπτυξη της AI, μοιράστηκε τον ενθουσιασμό της για τα αποτελέσματα. «Το μοντέλο εντόπισε 44 συστήματα που είναι πολύ πιθανό να φιλοξενούν μη ανιχνευμένους πλανήτες που μοιάζουν με τη Γη», είπε. «Μια περαιτέρω μελέτη επιβεβαίωσε τη θεωρητική πιθανότητα για αυτά τα συστήματα να φιλοξενήσουν έναν πλανήτη σαν τη Γη».

Οι πιθανές εφαρμογές αυτού του συστήματος AI είναι ιδιαίτερα σημαντικές για επερχόμενες αποστολές όπως το PLATO και το LIFE .

Αυτές οι αποστολές στοχεύουν στη μελέτη μικρών, ψυχρών εξωπλανητών, αλλά η ευαισθησία τους σημαίνει ότι κινούνται αργά.

Ένα έτος παρατηρήσεων μπορεί να αποφέρει μόνο μερικούς πολλά υποσχόμενους υποψηφίους. Με τις προβλέψεις της AI, οι αστρονόμοι μπορούν να δώσουν προτεραιότητα στα πιο πολλά υποσχόμενα συστήματα.

Αν και το σύστημα AI δείχνει τεράστια υπόσχεση, δεν είναι χωρίς περιορισμούς.

Τα συνθετικά δεδομένα που χρησιμοποιούνται για την εκπαίδευση της AI δεν αντιγράφουν πάντα τέλεια την πολυπλοκότητα των πραγματικών πλανητικών συστημάτων.

Για παράδειγμα, πολλά αστέρια που μοιάζουν με τον Ήλιο έχουν υπερ-Γαίες , τις οποίες το μοντέλο δεν προβλέπει πάντα με ακρίβεια.

Επιπλέον, τα συνθετικά δεδομένα συχνά τοποθετούν τους πλανήτες πιο κοντά στα αστέρια τους από ό,τι δείχνουν τα πραγματικά δεδομένα, πράγμα που σημαίνει ότι ορισμένες προσαρμογές μπορεί να είναι απαραίτητες καθώς γίνονται διαθέσιμα περισσότερα δεδομένα παρατήρησης.

Παρά αυτές τις προκλήσεις, η ικανότητα της AI να προβλέπει πού μπορεί να κρύβονται πλανήτες σαν τη Γη αλλάζει το παιχνίδι για το πεδίο.