ИИ-алгоритм RAVEN подтвердил 118 новых экзопланет по данным телескопа TESS

Анализ данных космического телескопа TESS с помощью алгоритмов машинного обучения привел к подтверждению существования 118 ранее неизвестных экзопланет. Инструмент под названием RAVEN обработал информацию о более чем двух миллионах звезд, выявив тысячи кандидатов.

Современная астрономия сталкивается с лавинообразным ростом данных, которые генерируют автоматизированные обзоры и мощные телескопы. Миссия TESS по поиску экзопланет не исключение: её архивы содержат миллионы кривых блеска звёзд, где транзиты планет часто теряются среди шумов и ложных сигналов. Именно для решения этой проблемы группа учёных из Уорикского университета разработала конвейер машинного обучения RAVEN (ранжирование и валидация экзопланет).

Одной из главных трудностей при подтверждении кандидатов остаются ложные срабатывания — затменные двойные звёзды, инструментальные артефакты или транзиты на фоновых светилах. RAVEN обучали на сотнях тысяч реалистичных моделей, включающих как настоящие планеты, так и обманчивые астрофизические события. Благодаря этому алгоритм способен отличить истинный планетный сигнал от помех, анализируя весь процесс от обнаружения до статистической валидации.

В новой работе, опубликованной в Monthly Notices of the Royal Astronomical Society, исследователи целенаправленно искали планеты с ультракороткими периодами обращения — от 0,5 до 16 дней. Среди них особый интерес вызывают USP-планеты (с периодом менее земных суток), которые, как считается, не могли сформироваться на своих нынешних орбитах, а мигрировали из внешних областей системы, потеряв при этом атмосферы.

Результаты превзошли ожидания: помимо 118 полностью подтверждённых новых миров, алгоритм выявил более 2000 высококачественных кандидатов, из которых почти 1000 оказались совершенно новыми. «Это одна из наиболее хорошо изученных выборок близкорасположенных планет, — отмечает ведущий автор Марина Лафарга Магро. — Она поможет определить самые перспективные системы для будущих наблюдений».

Особенно важным стало изучение так называемой Нептунианской пустыни — области на орбитах с периодом 2–4 дня, где планеты нептуновой массы встречаются крайне редко. RAVEN впервые позволил точно оценить, насколько эта зона безжизненна: лишь 0,08% солнцеподобных звёзд имеют здесь планеты. Для сравнения, в целом около 8–10% таких звёзд обладают планетами на близких орбитах.

Разработчики подчёркивают, что RAVEN — не просто очередной автоматический классификатор. По словам доктора Дэвида Армстронга, доцента Уорикского университета, алгоритм достаточно надёжен, чтобы «составить карту распространённости различных типов планет вокруг звёзд, подобных Солнцу». Это принципиально важно для понимания того, как формируются и эволюционируют планетные системы, включая условия, способные привести к возникновению обитаемых миров вроде Земли.

Телескоп TESS, хоть и уступает «Кеплеру» по продолжительности наблюдений, теперь благодаря RAVEN может сравниться, а в некоторых аспектах и превзойти своего предшественника в изучении планетных популяций. Дальнейшее развитие методов машинного обучения обещает ещё более глубокие открытия в потоке данных, который будет поступать от будущих обсерваторий, таких как телескоп Веры Рубин.