Direkt zum Inhalt

Maschinenlernen: Algorithmus identifiziert mehr als 300 neue Exoplaneten

Hunderte neue Exoplaneten identifizierte eine KI in den Daten der Kepler-Missionen. Der Algorithmus sei nicht nur effektiver, sondern auch transparent, sagen seine Entwickler.
Exoplanet vor seiner Sonne

Ein neurales Netzwerk namens »ExoMiner« hat insgesamt 301 neue Exoplaneten identifiziert. Die Entdeckungen basieren allerdings nicht auf neuen Beobachtungen, sondern auf Archiv-Daten des Weltraumteleskope Kepler. Die untersuchten Sterne galten anhand ihrer Lichtkurven als Kandidaten für Planetensysteme, in denen ein Planet vor dem Zentralgestirn vorbeizieht und es verdunkelt. Wie das Entwicklungsteam im »Astrophysical Journal« berichtet, untersuchte ExoMiner die Lichtkurven der Sterne und konnte die Verdunkelungen durch diese so genannten Transits zuverlässig von Helligkeitsschwankungen aus anderen Gründen unterscheiden.

Ein neurales Netzwerk ist ein Maschinenlernsystem mit einer besonderen Architektur aus mehreren Schichten, die versucht, Nervensysteme nachzubilden. »Wenn ExoMiner sagt, etwas ist ein Planet, dann kann man sicher sein, dass es ein Planet ist«, sagt Hamed Valizadegan, Projektleiter von ExoMiner am Ames Research Center der NASA. Die so identifizierten Planeten gelten allerdings nur als validiert. Um sie sicher zu bestätigen, müssen sie unabhängig davon mit einer anderen Methode nachgewiesen werden als lediglich der Lichtkurve. Eine Möglichkeit wäre zum Beispiel, das leichte »Taumeln« ihres Muttersterns zu messen, das durch die Anziehungskraft der Begleiter zu Stande kommt.

Die Fachleute um Valizadegan waren in der Lage, die Schlussfolgerungen des Algorithmus unabhängig zu überprüfen, weil dieser nach Angaben des Teams transparent entscheidet. »Anders als andere nach Exoplaneten suchende Maschinenlernprogramme ist ExoMiner keine Blackbox – warum es sich für oder gegen einen Planeten entscheidet, ist kein Mysterium«, sagt Jon Jenkins, ebenfalls vom Ames Research Center. Das neurale Netzwerk arbeitet mit bereits roh verarbeiteten Daten von möglichen Transits. Dabei überprüft man, ob eine Episode geringerer Helligkeit zu der Form passt, die ein vorübergehender Exoplanet der Lichtkurve aufprägen würde.

ExoMiner analysiert die mathematischen Eigenschaften von Lichtkurve und theoretischen Modellen und beurteilt danach, mit welcher Wahrscheinlichkeit es sich um einen Exoplaneten handelt. Das Maschinenlernsystem wurde von dem Team um Valizadegan zuvor mit Daten bekannter Exoplaneten trainiert. Wie die Gruppe berichtet, schlägt es andere Algorithmen um Längen. Das beste bisherige solche System habe in einem Testsatz bestätigter Exoplaneten etwa drei Viertel korrekt identifiziert, ExoMiner dagegen unter gleichen Bedingungen 93 Prozent, schreibt die Arbeitsgruppe in der Veröffentlichung. Die 301 neu validierten Planeten erhöhen die Gesamtzahl der entdeckten Exoplaneten auf 4880. Die Fachleute sind zuversichtlich, dass ExoMiner die Auswertung auch der Daten zukünftiger Missionen wie TESS oder PLATO deutlich vereinfachen wird.

Lesermeinung

Wenn Sie inhaltliche Anmerkungen zu diesem Artikel haben, können Sie die Redaktion per E-Mail informieren. Wir lesen Ihre Zuschrift, bitten jedoch um Verständnis, dass wir nicht jede beantworten können.

Partnerinhalte