هوش مصنوعی، ۵۰ سیاره جدید کشف کرد

الگوریتم آموزش پذیر، از یافته‌های تلسکوپ‌ها برای کشف سیارات استفاده کرد

الگوریتم هوش مصنوعی علاوه بر قابلیت تشخیص سیاره‌های واقعی، می‌تواند تشخیص‌های خطا را نیز شناسایی کند-Michael Bachofner/NASA

یک الگوریتم هوش مصنوعی موجب کشف ۵۰ سیاره جدید شده است که انسان تا کنون موفق به کشف آنها نشده بود.

با استفاده از این الگوریتم، داده‌های تلسکوپ‌هایی نظیر کپلر و «تس» برای یافتن نشانه‌هایی از سیاره‌های دور مورد تجزیه و تحلیل قرار گرفت.

الگوریتم مزبور علاوه بر قابلیت تشخیص سیاره‌های واقعی، می‌تواند تشخیص‌های خطا را نیز شناسایی کند.

پس از تحلیل داده‌ها، دانشمندان اداره فیزیک و علوم کامپیوتر واریک، همین الگوریتم را روی سیاره‌های تأیید نشده‌ای که از داده‌های کپلر به دست آمده است، پیاده‌سازی می‌کنند تا به سیارات جدید برسند.

پیش از این، ابزارهای کامپیوتری می‌توانستند احتمال سیاره بودن یک سیاره را تعیین کنند، اما هیچ گاه نتوانسته بودند این احتمال را که یک سیاره‌ای جزو یک منظومه‌ خورشیدی (ورای  منظومه شمسی ما) باشد، محاسبه و اثبات کنند.

این ۵۰ سیاره جدید مجموعه‌ای از سیاراتی را در اندازه‌های مختلف، از اندازه نپتون تا کوچکتر از زمین، تشکیل می‌دهند. برخی از آنها مداری دارند که معادل ۲۰۰ شبانه‌روز زمین هستند و برخی دیگر با سرعتی معادل یک بار در شبانه‌روز دور ستاره خود می‌چرخند.

ستاره‌شناسان حالا به کمک این الگوریتم، بهتر می‌توانند تصمیم بگیرند که کدام یک از آن سیارات ارزش تحقیقات بیشتر دارد.

اکثر داده‌هایی که از رصد کردن سیاره‌های خارج از منظومه شمسی به دست آمده‌اند، اجرامی را نشان می‌دهند که بین تلسکوپ و ستاره آنها حرکت می‌کنند.

به این پدیده «گذار» (transiting) می‌گویند، که باعث تغییر در رنگ نوری می‌شود که از ستاره آن می‌تراود و از زمین قابل مشاهده است. البته کشف سیاره‌ها از طریق پدیده گذار همیشه موفق نیست. گاهی سیستم‌های دو ستاره‌ای، برخورد و تداخل نور با اجرام دیگر، یا خطای تلسکوپ نیز موجب بروز چنین آثاری می‌شود، که در این صورت الگوریتم جدید می‌تواند این تشخیص خطا را شناسایی کند و از محاسبه خارج کند.

Read More

This section contains relevant reference points, placed in (Inner related node field)

به گفته دکتر دیوید آرمسترانگ، از دانشکده فیزیک دانشگاه وارویک، «تا به حال هیچ گاه از روش‌های کامپیوتری یادگیرنده (که از آزمون و خطای خود می‌آموزند) برای اعتبارسنجی تشحیص سیارات استفاده نشده بود. روش‌های کامپیوتری یادگیرنده برای اولویت‌بندی سیاره‌های احتمالی به‌کار گرفته شد بود، اما نه بر پایه احتمالات، که برای اعتبارسنجی سیاره واقعا مورد نیاز است.»

او ادامه داد: «حالا به جای این که بگوییم کدام کاندیدای فرضی احتمال بیشتری دارد که سیاره باشد، می‌توانیم احتمال دقیق آن را با اتکا به پایه‌های آماری به دست آوریم. اگر تشخیص خطای یک سیاره احتمالی کمتر از یک درصد داشته باشد، فرض می‌گیریم که سیاره درست تشخیص داده شده است.»

الگوریتم پس از آن که تنظیم و تکمیل شد، می‌تواند به صورت کاملا خودکار به‌کار گرفته شود. در این صورت است که می‌توان هزاران کاندیدای سیاره بودن (در یک منظومه) را از طریق الگوریتم مورد تحلیل قرار داد. به گفته دکتر آرمسترانگ، الگوریتم مزبور از ۸ هزار کاندیدا فقط سه مورد را به خطا تشخیص داده است.

او به نشریه رجیستر گفت: «ما چند خطای واضح در نتایج پیدا کردیم، اما بعد معلوم شد که آن خطاهایی ناشی از برچسب‌گذاری‌های قبلی بودند.»

© The Independent

بیشتر از جهان