Sztuczna inteligencja pomaga badać egzoplanety
Korzystając z opartych na fizyce sieci neuronowych (PINN), naukowcy byli w stanie modelować złożone rozpraszanie światła w atmosferach obcych światów, co pozwoliło lepiej poznać odległe egzoplanety.
Metoda opracowana przez badaczy z Ludwig Maximilian University of Munich (LMU), ORIGINS Excellence Cluster, Max Planck Institute for Extraterrestrial Physics (MPE) i ORIGINS Data Science Lab (ODSL), otwiera nowe możliwości analizy atmosfer egzoplanet, zwłaszcza jeśli chodzi o wpływ chmur i może znacznie poprawić zrozumienie odległych światów. Badanie zostało opublikowana w Monthly Notices of the Royal Astronomical Society.
Kiedy odległe egzoplanety przechodzą przed swoją gwiazdą, blokują jej niewielką część światła, podczas gdy jeszcze mniejsza ilość przenika przez atmosferę planety. Ta interakcja prowadzi do zmian w widmie światła, które odzwierciedlają jej właściwości, takie jak skład chemiczny, temperatura i zachmurzenie.
Aby móc analizować zmierzone widma, astronomowie potrzebują modeli, które mogą obliczyć miliony syntetycznych w krótkim czasie. Dopiero późniejsze porównanie teoretycznych modeli ze zmierzonymi danymi pozwala uzyskać informacje na temat składu atmosfer jakie posiadają egzoplanety.
Jak podkreślają naukowcy, kluczowym aspektem badań egzoplanet jest rozpraszanie światła w atmosferze, w szczególności przez chmury tam obecne. Dotychczasowe modele nie były w stanie uchwycić tego zjawiska w zadowalający sposób, co prowadziło do niedokładności w analizie widmowej.
Sieci neuronowe oparte na fizyce, zdaniem badaczy, są w stanie skuteczniej rozwiązywać złożone równania. W nowym badaniu naukowcy wytrenowali dwie takie sieci. Pierwszy model, który został opracowany bez uwzględnienia rozpraszania światła, wykazał niezwykłą dokładność przy względnych błędach wynoszących przeważnie mniej niż 1 proc.
Drugi model obejmował przybliżenia tak zwanego rozpraszania Rayleigha (model rozpraszania fal elektromagnetycznych) – tego samego efektu, który sprawia, że niebo na Ziemi wydaje się niebieskie. Chociaż wymagają one dalszej poprawy, sieć neuronowa była w stanie rozwiązać złożone równanie, co jak wskazują astronomowie, jest postępem.
Nowe odkrycia były możliwe dzięki interdyscyplinarnej współpracy między fizykami z LMU, ORIGINS Excellence Cluster, Max Planck Institute for Extraterrestrial Physics (MPE) i ORIGINS Data Science Lab (ODSL), które specjalizuje się w opracowywaniu nowych metod opartych na sztucznej inteligencji.
„Ta synergia nie tylko przyspiesza badania egzoplanet, ale także otwiera nowe horyzonty dla rozwoju metod opartych na sztucznej inteligencji. W przyszłości chcemy dalej rozszerzać naszą interdyscyplinarną współpracę, aby symulować rozpraszanie światła przez chmury z większą precyzją, a tym samym w pełni wykorzystać potencjał sieci neuronowych” – podsumowuje David Dahlbüdding z LMU.
Emil Gołoś
