Comment l’apprentissage automatique peut-il aider les astronomes à trouver des exoplanètes semblables à la Terre ? C’est ce qu’une nouvelle étude espère aborder alors qu’une équipe de chercheurs internationaux étudie comment un nouvel algorithme basé sur un réseau neuronal pourrait être utilisé pour détecter des exoplanètes semblables à la Terre à l’aide des données de la méthode de détection de la vitesse radiale (RV).
Cette étude pourrait aider les astronomes à développer des méthodes plus efficaces pour détecter les exoplanètes semblables à la Terre, qui sont traditionnellement difficiles à identifier dans les données RV en raison de l’intense activité stellaire de l’étoile hôte. L’étude est publié sur le arXiv serveur de préimpression.
L’étude note : « L’apprentissage automatique est l’un des outils les plus efficaces et les plus performants pour gérer de grandes quantités de données dans le domaine scientifique. De nombreux algorithmes basés sur l’apprentissage automatique ont été proposés pour atténuer l’activité stellaire afin de mieux détecter les objets de faible masse et/ou de longue durée. «
Pour l’étude, les chercheurs ont appliqué leur algorithme à trois étoiles pour vérifier sa capacité à identifier des exoplanètes dans les données d’activité stellaire : notre soleil, Alpha Centauri B (HD 128621), et Tau ceti (HD 10700), Alpha Centauri B étant localisé. à environ 4,3 années-lumière de la Terre et Tau ceti étant situé à environ 12 années-lumière de la Terre.
Après avoir inséré des signaux planétaires simulés dans l’algorithme, les chercheurs ont découvert que leur algorithme avait réussi à identifier des exoplanètes simulées avec des périodes orbitales potentielles comprises entre 10 et 550 jours pour notre soleil, 10 à 300 jours pour Alpha Centauri B et 10 à 350 jours pour Tau ceti.
Il est important de noter qu’Alpha Centauri B a actuellement eu plusieurs détections potentielles d’exoplanètes, mais aucune n’a été confirmée, tandis que Tau ceti compte actuellement huit exoplanètes répertoriées comme « non confirmées » dans son système.
De plus, l’algorithme a identifié ces résultats correspondant à Alpha Centauri B et Tau ceti ayant potentiellement des exoplanètes environ quatre fois plus grandes que la Terre et également dans les zones habitables de ces étoiles. Après avoir inséré davantage de données sur l’activité stellaire dans l’algorithme, les chercheurs ont découvert que l’algorithme avait réussi à identifier une exoplanète simulée d’environ 2,2 fois la taille de la Terre tout en orbitant à la même distance que la Terre de notre soleil.
L’étude indique dans ses conclusions : « Dans cet article, nous avons développé un cadre de réseau neuronal pour atténuer efficacement l’activité stellaire au niveau spectral, afin d’améliorer la détection de planètes de faible masse sur des périodes allant de quelques jours à quelques centaines de jours », correspondant à la zone habitable des étoiles de type solaire. »
Alors que l’étude s’est concentrée sur la recherche d’exoplanètes semblables à la Terre dans les données RV, les chercheurs notent que des données supplémentaires, notamment le temps de transit, la phase et la photométrie spatiale, pourraient être utilisées pour identifier des exoplanètes semblables à la Terre.
Ils soulignent que la mission du télescope spatial PLATO de l’Agence spatiale européenne pourrait y parvenir, qui est actuellement en cours de développement et dont le lancement est prévu pour 2026. Lors du lancement, il sera stationné au point de Lagrange Soleil-Terre L2 situé de l’autre côté de la Terre. du soleil où il scannera jusqu’à un million d’étoiles à la recherche d’exoplanètes en utilisant la méthode de transit en mettant l’accent sur les exoplanètes terrestres (rocheuses).
Cette étude intervient alors que le nombre d’exoplanètes confirmées par la NASA a atteint 5 632 au moment d’écrire ces lignes, ce qui comprend 201 exoplanètes terrestres, et offre également à la prochaine mission PLATO une ample opportunité de découvrir de nombreuses autres exoplanètes terrestres dans notre galaxie, la Voie Lactée.
Plus d’information:
Yinan Zhao et al, Améliorer la détection des planètes semblables à la Terre en vitesse radiale grâce à l’apprentissage en profondeur, arXiv (2024). DOI : 10.48550/arxiv.2405.13247