Wie kann maschinelles Lernen Astronomen dabei helfen, erdähnliche Exoplaneten zu finden? Dies soll eine neue Studie klären, in der ein Team internationaler Forscher untersuchte, wie ein neuartiger, auf neuronalen Netzwerken basierender Algorithmus zum Aufspüren erdähnlicher Exoplaneten mithilfe von Daten aus der Radialgeschwindigkeits-Erkennungsmethode (RV) eingesetzt werden könnte.
Diese Studie könnte Astronomen dabei helfen, effizientere Methoden zur Erkennung erdähnlicher Exoplaneten zu entwickeln, die aufgrund der intensiven Sternaktivität ihres Muttersterns in RV-Daten bisher nur schwer zu identifizieren sind. Die Studie ist veröffentlicht auf der arXiv Preprint-Server.
In der Studie heißt es: „Maschinelles Lernen ist eines der effizientesten und erfolgreichsten Werkzeuge zur Verarbeitung großer Datenmengen im wissenschaftlichen Bereich. Es wurden viele auf maschinellem Lernen basierende Algorithmen vorgeschlagen, um die Sternaktivität zu verringern und Planeten mit geringer Masse und/oder langer Umlaufdauer besser zu erkennen. Diese Algorithmen können in zwei Kategorien eingeteilt werden: überwachtes Lernen und unüberwachtes Lernen. Der Vorteil des überwachten Lernens besteht darin, dass das vorgeschlagene Modell eine große Anzahl von Variablen enthält und in der Lage ist, relativ genaue Vorhersagen auf der Grundlage der Trainingsdaten zu erstellen.“
Für die Studie haben die Forscher ihren Algorithmus auf drei Sterne angewendet, um dessen Fähigkeit zu ermitteln, Exoplaneten in den Daten zur Sternaktivität zu identifizieren: unsere Sonne, Alpha Centauri B (HD 128621) und Tau ceti (HD 10700), wobei Alpha Centauri B etwa 4,3 Lichtjahre von der Erde entfernt ist und Tau ceti etwa 12 Lichtjahre von der Erde entfernt ist.
Nachdem die Forscher simulierte Planetensignale in den Algorithmus eingefügt hatten, stellten sie fest, dass ihr Algorithmus erfolgreich simulierte Exoplaneten mit potenziellen Umlaufzeiten im Bereich zwischen 10 und 550 Tagen für unsere Sonne, 10 bis 300 Tagen für Alpha Centauri B und 10 bis 350 Tagen für Tau Ceti identifizieren konnte.
Es ist wichtig anzumerken, dass es in Alpha Centauri B derzeit mehrere potentielle Exoplaneten-Entdeckungen gibt, von denen jedoch keine bestätigt wurde, während in Tau Ceti derzeit acht Exoplaneten als „unbestätigt“ aufgeführt sind.
Darüber hinaus stellte der Algorithmus fest, dass diese Ergebnisse damit übereinstimmen, dass Alpha Centauri B und Tau ceti möglicherweise Exoplaneten besitzen, die etwa viermal so groß wie die Erde sind und sich ebenfalls in den bewohnbaren Zonen dieser Sterne befinden. Nachdem die Forscher weitere Daten zur Sternaktivität in den Algorithmus eingefügt hatten, stellten sie fest, dass der Algorithmus erfolgreich einen simulierten Exoplaneten identifizierte, der etwa 2,2-mal so groß wie die Erde ist und in der gleichen Entfernung von unserer Sonne kreist wie die Erde.
In den Schlussfolgerungen der Studie heißt es: „In dieser Arbeit haben wir ein neuronales Netzwerk entwickelt, um die Sternaktivität auf spektraler Ebene effizient zu mildern und die Erkennung von Planeten mit geringer Masse in Zeiträumen von einigen Tagen bis zu einigen hundert Tagen zu verbessern, entsprechend der bewohnbaren Zone sonnenähnlicher Sterne.“
Während sich die Studie auf die Suche nach erdähnlichen Exoplaneten in den RV-Daten konzentrierte, weisen die Forscher darauf hin, dass zur Identifizierung erdähnlicher Exoplaneten auch weitere Daten herangezogen werden könnten, darunter Transitzeit, Phase und weltraumgestützte Photometrie.
Sie betonen, dass dies mit der Weltraumteleskopmission PLATO der Europäischen Weltraumorganisation möglich sei. Diese wird derzeit entwickelt und soll irgendwann im Jahr 2026 gestartet werden. Nach dem Start wird sie am Lagrange-Punkt L2 der Erdachse stationiert sein, der sich auf der der Sonne gegenüberliegenden Seite der Erde befindet. Von dort aus wird sie mithilfe der Transitmethode bis zu eine Million Sterne nach Exoplaneten absuchen, wobei der Schwerpunkt auf terrestrischen (gesteinsartigen) Exoplaneten liegt.
Diese Studie erfolgt, da die Zahl der von der NASA bestätigten Exoplaneten zum Zeitpunkt des Schreibens dieses Artikels 5.632 erreicht hat, darunter 201 terrestrische Exoplaneten, und sie bietet der bevorstehenden PLATO-Mission reichlich Gelegenheit, viele weitere terrestrische Exoplaneten in unserer Milchstraße zu entdecken.
Mehr Informationen:
Yinan Zhao et al., Verbesserung der Erkennung erdähnlicher Planeten anhand der Radialgeschwindigkeit durch Deep Learning, arXiv (2024). DOI: 10.48550/arxiv.2405.13247