Pesquisadores do Departamento de Física e Ciência da Computação de Warwick e do Alan Turing Institute criaram um algoritmo baseado em aprendizado de máquina para analisar uma amostra de exoplanetas em potencial e determinar quais são genuínos e quais são 'falsos' ou falsos positivos. Conjuntos de dados planetários foram encontrados por missões como Kepler e TESS da NASA. Os resultados são apresentados em um novo estudo publicado no Monthly Notices of the Royal Astronomical Society.
Eles usaram o algoritmo em um conjunto de dados do Kepler, resultando em 50 novos planetas confirmados, o primeiro dos quais foi verificado usando aprendizado de máquina. Esses 50 planetas variam em tamanho de Netuno a planetas do tamanho da Terra, com órbitas de 200 a 1 dia.
“Em vez de dizer quais candidatos têm maior probabilidade de serem planetas, agora podemos dizer qual é a probabilidade estatística exata. Se a chance de um candidato ser um falso positivo for menor que 1%, ele é considerado um planeta confirmado", disse David Armstrong, do Departamento de Física da Universidade de Warwick.
Uma vez construído e treinado, o algoritmo é mais rápido que os métodos atuais e pode ser totalmente automatizado, tornando-o ideal para analisar os milhares de potenciais candidatos a planetas observados nas pesquisas atuais do TESS.
Leia também:
Deixe um comentário