Ուորվիքի ֆիզիկայի և համակարգչային գիտության բաժնի և Ալան Թյուրինգի ինստիտուտի հետազոտողները ստեղծել են մեքենայական ուսուցման վրա հիմնված ալգորիթմ՝ վերլուծելու պոտենցիալ էկզոմոլորակների նմուշը և որոշել, թե որոնք են իրական, իսկ որոնք են «կեղծ» կամ կեղծ դրական: Մոլորակային տվյալների հավաքածուները հայտնաբերվել են այնպիսի առաքելությունների կողմից, ինչպիսիք են NASA-ի Kepler-ը և TESS-ը: Արդյունքները ներկայացված են նոր հետազոտության մեջ, որը հրապարակվել է «Monthly Notices of the Royal Astronomical Society»-ում:
Նրանք օգտագործել են ալգորիթմը Kepler-ի տվյալների բազայի վրա, որի արդյունքում ստեղծվել են 50 նոր հաստատված մոլորակներ, որոնցից առաջինը ստուգվել է մեքենայական ուսուցման միջոցով: Այս 50 մոլորակների չափերը տատանվում են Նեպտունից մինչև Երկրի չափ մոլորակներ, որոնց ուղեծրերը տևում են 200-ից մինչև 1 օր:
«Փոխանակ ասելու, թե որ թեկնածուներն են ավելի հավանական մոլորակներ լինելու, այժմ կարող ենք ասել, թե որն է ստույգ վիճակագրական հավանականությունը: Եթե թեկնածուի կեղծ դրական լինելու հավանականությունը 1%-ից պակաս է, դա համարվում է հաստատված մոլորակ», - ասում է բժիշկ Դեյվիդ Արմսթրոնգը Ուորվիքի համալսարանի ֆիզիկայի բաժնից:
Կառուցվելուց և մարզվելուց հետո ալգորիթմն ավելի արագ է, քան ներկայիս մեթոդները և կարող է լիովին ավտոմատացվել՝ այն իդեալական դարձնելով մոլորակի հազարավոր հավանական թեկնածուների վերլուծության համար, որոնք դիտարկվել են TESS-ի ընթացիկ հետազոտություններում:
Կարդացեք նաև.