El periodista se enteró por la Academia de Ciencias de China el 18 de octubre de que utilizando tecnología de inteligencia artificial, investigadores del Observatorio de Shanghai de la Academia de Ciencias de China y otras unidades descubrieron cinco planetas de período ultracorto con diámetros más pequeños que la Tierra. Cuatro de ellos son los planetas más pequeños descubiertos hasta ahora y tienen un tamaño similar al de sus estrellas anfitrionas. Esta es la primera vez que los astrónomos utilizan inteligencia artificial para completar la tarea de buscar señales sospechosas e identificar señales reales a la vez. Los resultados de la investigación relevante se publicaron en línea en Monthly Notices of the Royal Astronomical Society.
Los planetas de período ultracorto se refieren a aquellos planetas con un período orbital de menos de 1 día. Orbitan a sus estrellas anfitrionas a una distancia extremadamente cercana. Por lo general, son de menor tamaño, más livianos en masa y tienen temperaturas superficiales extremadamente altas. Hasta ahora, los astrónomos han encontrado un total de 145 planetas de período ultracorto, de los cuales sólo 30 tienen radios más pequeños que el de la Tierra. "Comprender la abundancia relativa y las propiedades de los planetas de período ultracorto es crucial para probar los modelos teóricos. Sin embargo, el tamaño de la muestra de los planetas de período ultracorto conocidos es demasiado pequeño, lo que dificulta comprender con precisión sus características estadísticas y tasas de aparición. ", dijo el artículo Ge Jian, autor correspondiente e investigador del Observatorio de Shanghai de la Academia de Ciencias de China.
Esta vez, el equipo de Ge Jian diseñó de forma innovadora un algoritmo de aprendizaje profundo que combina el plegamiento de fases de GPU y redes neuronales convolucionales. Utilizando este algoritmo, el equipo descubrió con éxito cinco planetas de período ultracorto en los datos de fotometría estelar del Telescopio Espacial Kepler.
Ge Jian dijo que este trabajo de investigación comenzó en 2015, cuando la inteligencia artificial "AlphaGo" logró un gran avance y derrotó con éxito a los maestros profesionales en el mundo del Go. Además de sentirse motivado e inspirado por sus colegas, decidió intentar aplicar la tecnología de aprendizaje profundo de la inteligencia artificial a los datos de fotometría de estrellas recopilados por el telescopio espacial Kepler para buscar señales de tránsito débiles que no podían detectarse con los métodos tradicionales.
Después de casi 10 años de arduo trabajo, el equipo de Ge Jian finalmente obtuvo su primera cosecha. Ge Jian cree que si se desea utilizar la inteligencia artificial para "excavar" nuevos descubrimientos extremadamente raros en datos astronómicos masivos, es necesario innovar en algoritmos de inteligencia artificial y utilizar conjuntos de datos a gran escala generados en función de las características de las imágenes físicas de los fenómenos recién descubiertos para Puede detectar de forma rápida, precisa y completa señales raras y débiles que son difíciles de encontrar de forma tradicional.
Josh Winn, profesor de la Universidad de Princeton, comentó que los planetas de período ultracorto tienen propiedades extremadamente extremas e inesperadas que proporcionan pistas para que la gente comprenda cómo las órbitas planetarias cambian con el tiempo. Este logro tecnológico en la búsqueda de nuevos planetas es impresionante.
"El descubrimiento de estos planetas de período ultracorto proporciona pistas importantes para la evolución temprana de los sistemas planetarios, las interacciones planeta-planeta y la dinámica de las interacciones estrella-planeta, y es de gran importancia para la investigación teórica sobre la formación de planetas". Jian dijo que esta investigación proporciona un nuevo método de investigación para buscar de manera rápida y eficiente señales de tránsito en datos de observación fotométrica de alta precisión, y también demuestra plenamente el amplio potencial de aplicación de la inteligencia artificial en la exploración de señales débiles en datos astronómicos masivos.