Le 18 octobre, le journaliste a appris de l'Académie chinoise des sciences qu'en utilisant la technologie de l'intelligence artificielle, des chercheurs de l'Observatoire de Shanghai de l'Académie chinoise des sciences et d'autres unités ont découvert cinq planètes à période ultra-courte avec un diamètre inférieur à celui de la Terre. Quatre d’entre elles sont les plus petites planètes découvertes jusqu’à présent et sont de taille similaire à celle de leurs étoiles hôtes. C’est la première fois que les astronomes utilisent l’intelligence artificielle pour accomplir la tâche de recherche de signaux suspects et d’identification simultanée de signaux réels. Les résultats de recherche pertinents ont été publiés en ligne dans les Avis mensuels de la Royal Astronomical Society.
Les planètes à période ultra courte font référence aux planètes dont la période orbitale est inférieure à 1 jour. Elles gravitent autour de leurs étoiles hôtes à une distance extrêmement proche. Elles sont généralement plus petites, plus légères et ont des températures de surface extrêmement élevées. Jusqu'à présent, les astronomes ont découvert un total de 145 planètes à période ultra courte, dont seulement 30 ont un rayon plus petit que celui de la Terre. "Comprendre l'abondance relative et les propriétés des planètes à très courte période est crucial pour tester les modèles théoriques. Cependant, la taille de l'échantillon des planètes à très courte période connues est trop petite, ce qui rend difficile la compréhension précise de leurs caractéristiques statistiques et de leurs taux d'occurrence. " Le document indique Ge Jian, auteur correspondant et chercheur à l'Observatoire de Shanghai de l'Académie chinoise des sciences.
Cette fois, l'équipe de Ge Jian a conçu de manière innovante un algorithme d'apprentissage en profondeur qui combine le repliement de phase du GPU et les réseaux neuronaux convolutifs. Grâce à cet algorithme, l’équipe a réussi à découvrir cinq planètes à période ultra-courte dans les données de photométrie stellaire du télescope spatial Kepler.
Ge Jian a déclaré que ces travaux de recherche ont commencé en 2015, lorsque l'intelligence artificielle « AlphaGo » a fait une percée majeure et a vaincu avec succès les maîtres professionnels du monde du Go. En plus d'être motivé et inspiré par ses collègues, il a décidé d'essayer d'appliquer la technologie d'apprentissage profond de l'intelligence artificielle aux données de photométrie des étoiles collectées par le télescope spatial Kepler pour rechercher des signaux de transit faibles qui ne pouvaient pas être détectés par les méthodes traditionnelles.
Après près de 10 ans de travail acharné, l’équipe de Ge Jian a enfin eu sa première récolte. Ge Jian estime que si vous souhaitez utiliser l'intelligence artificielle pour « creuser » de nouvelles découvertes extrêmement rares dans des données astronomiques massives, vous devez innover dans les algorithmes d'intelligence artificielle et utiliser des ensembles de données à grande échelle générés sur la base des caractéristiques de l'image physique des phénomènes nouvellement découverts pour formation. Il peut détecter rapidement, précisément et complètement les signaux rares et faibles qui sont difficiles à trouver par les méthodes traditionnelles.
Josh Winn, professeur à l'Université de Princeton, a commenté que les planètes à période ultra courte ont des propriétés extrêmement extrêmes et inattendues qui fournissent des indices sur la compréhension de la façon dont les orbites planétaires changent au fil du temps. Cette réussite technologique dans la recherche de nouvelles planètes est impressionnante.
"La découverte de ces planètes à période ultra-courte fournit des indices importants sur l'évolution précoce des systèmes planétaires, les interactions planète-planète et la dynamique des interactions étoile-planète, et revêt une grande importance pour la recherche théorique sur la formation des planètes." Jian a déclaré : cette recherche fournit une nouvelle méthode de recherche pour rechercher rapidement et efficacement des signaux de transit dans des données d'observation photométriques de haute précision, et démontre également pleinement le large potentiel d'application de l'intelligence artificielle dans l'exploration des signaux faibles dans des données astronomiques massives.