Een team van Google en wetenschappers van verschillende Amerikaanse universiteiten hebben twee nieuwe exoplaneten ontdekt. Dat is gedaan op basis van data van de vorig jaar beëindigde missie van de Kepler-ruimtetelescoop, waarop machinelearning is toegepast.
De wetenschappers beschrijven in een paper dat ze voor de ontdekking een neuraal netwerk, genaamd AstroNet-K2, hebben getraind. Volgens medeonderzoeker Anne Dattilo is deze ontdekking significant, omdat het de eerste keer is dat een neuraal netwerk op de K2-data is toegepast. K2 verwijst naar de verlengde missie van de Kepler-ruimtetelescoop.
Nadat in 2012 een van de vier gyroscopische vliegwielen van de ruimtetelescoop was uitgevallen, gaf in 2013 een tweede vliegwiel de geest. De telescoop was daardoor niet meer stabiel te houden en kon niet meer precies richten op de te onderzoeken sterren. Uiteindelijk kreeg de telescoop door een technische oplossing een tweede leven, al waren die observaties door de lichte instabiliteit minder precies en ging de data gepaard met de nodige ruis. Dat maakt het relatief lastig om deze K2-data te onderzoeken, stelt Dattilo.
Het aangepaste algoritme werd getraind op 27.634 sterren van K2. Tegen The Register licht Dattilo toe dat het slechts veertig minuten duurde om het algoritme te trainen op een laptop, maar dat het maanden duurde voordat het onderzoeksteam uitvogelde hoe het kon werken op basis van de K2-data. AstroNet-K2 is volgens de onderzoekers behoorlijk succesvol, maar de onderzoekers schrijven dat het model nog niet klaar is om volledig automatisch planeetkandidaten te detecteren en te identificeren. Als het wordt toegepast op een aantal sterren, komen er nog te veel false positives, waarbij incorrect wordt aangegeven dat een signaal weleens een planeetkandidaat kan zijn. Het aantal valse meldingen overstijgt nog het aantal gedetecteerde echte planeten. In combinatie met menselijke inbreng is dit toch een hele stap voorwaarts, omdat de te bekijken dataset hiermee aanzienlijk wordt verkleind.
Het neurale netwerk is getraind op korte dips in de helderheid van een ster, die veroorzaakt kunnen worden door een passerende planeet. Daarmee is het algoritme alleen getraind om exoplaneten te ontdekken die zich in een zekere nabijheid van hun ster bevinden. Exoplaneten die ver van hun ster staan, of exoplaneten met afwijkende vormen worden niet herkend. Dat betekent dat voor het ontdekken van dit soort afwijkende planeten nog altijd een menselijk oog nodig is.
Met AstroNet-K2 wordt voortgeborduurd op onderzoek van wetenschappers van Harvard en Google, die in december vorig jaar bekendmaakten op basis van Kepler-data een exoplaneet te hebben ontdekt met machinelearning van Google. Dit opensourcemodel verscheen later op Github en datzelfde moet ook gebeuren met AstroNet-K2.
De ontdekte exoplaneten heten K2-293b en K2-294b. Het zijn in feite identieke planeten die op 1230 en 1300 lichtjaar van de aarde staan in het sterrenbeeld Waterman. Beide objecten zijn iets groter dan de aarde, staan erg dicht bij hun ster en hebben korte omlooptijden. Doordat ze dicht bij hun sterren staan, is het er behoorlijk heet. De ontdekkingen via het algoritme zijn overigens bevestigd door twee aardse telescopen.
Met AstroNet-K2 zullen nog meer exoplaneten worden ontdekt, omdat er nog genoeg K2-data over is. Bovendien denkt Dattilo dat het algoritme met enige wijzigingen ook te gebruiken is voor de data van de TESS-ruimtetelescoop, de 'opvolger' van Kepler die vorig jaar operationeel werd.