محققان طی این مطالعه با استفاده از تکنیکهای اعتبارسنجی چندگانه، از جمله الگوریتم یادگیری ماشین موفق به شناسایی ۵۰ سیاره جدید شدند.
محققان دانشکده فیزیک و علوم کامپیوتر «دانشگاه واریک» و همچنین موسسه «آلن تورینگ»، الگوریتمی مبتنی بر یادگیری ماشینی را ساختند که میتواند سیارات واقعی را از سیارات غیرواقعی در نمونههای بزرگ مانند حضور هزاران جرم آسمانی که توسط مأموریتهایی مانند کپلر ناسا و تس کشف شدهاند تشخیص دهد.
به این الگوریتم آموزش داده شده است تا سیارات واقعی را با استفاده از دو نمونه بزرگ سیارات تأیید شده و مثبت کاذب توسط ماموریت «کپلر» تشخیص دهد.
فضاپیمای «کپلر» (Kepler) یک تلسکوپ فضایی ساخت ناسا است که با هدف کشف سیارات فراخورشیدی مشابه زمین به فضا پرتاب شدهاست. این ۵۰ سیاره از جهان به بزرگی نپتون تا کوچکتر از زمین متغیر هستند، با مدارهای مختلف تا ۲۰۰ روز تا کمتر از یک روز. اخترشناسان با تأیید اینکه این ۵۰ سیاره واقعی هستند، اکنون می توانند برای مشاهده های بیشتر با تلسکوپ های اختصاصی این موارد را در اولویت قرار دهند.
دکتر «دیوید آرمسترانگ» (David Armstrong) از دانشکده فیزیک دانشگاه واریک گفت: الگوریتمی که ما ایجاد کردهایم به ما امکان داد تا ۵۰ سیاره فراخورشیدی را شناسایی کنیم. سیاره فراخورشیدی یا سیارهٔ غیرخورشیدی (Exoplanet یا Extrasolar planet) سیارهای است که خارج از سامانه خورشیدی قرار دارد و به دور یک ستاره (غیر از خورشید) در حال گردش است.
یافتههای این مطالعه در مجله Monthly Notices of the Royal Astronomical Society منتشر شده است.
نظرات
در زمینهی انتشار نظرات مخاطبان، رعایت برخی موارد ضروری است:
-- لطفاً نظرات خود را با حروف فارسی تایپ کنید.
-- «فضانما» مجاز به ویرایش ادبی نظرات مخاطبان است.
-- «فضانما» از انتشار نظراتی که در آنها رعایت ادب نشده باشد معذور است.
-- نظرات، پس از تأیید مدیر منتشر میشوند.