Pesquisadores usaram deep learning para detecção de exoplanetas em dados simulados. Ferramenta poderá ser aplicada em telescópio espacial europeu focado na descoberta de exoplanetas.
Um artigo recentemente aceito na Astronomy & Astrophysics aborda como machine learning pode encontrar exoplanetas parecidos com a Terra. Uma equipe de pesquisadores internacionais investigou como um novo algoritmo baseado em rede neural poderia ser usado para detectar exoplanetas como a Terra usando dados do método de detecção de velocidade radial.
O estudo pode ajudar astrônomos a desenvolver métodos mais eficientes na detecção desse exoplanetas semelhantes à Terra, que tradicionalmente são difíceis de identificar nos dados de velocidade radial devido à intensa atividade estelar da estrela-mãe.
“Neste trabalho, desenvolvemos uma estrutura de rede neural para mitigar com eficiência a atividade estelar no nível espectral, para melhorar a detecção de planetas de baixa massa em períodos de alguns dias a algumas centenas de dias, correspondentes à zona habitável de estrelas do tipo solar”, escreveram os pesquisadores.
“Machine learning é uma das ferramentas mais eficientes e bem-sucedidas para lidar com grandes quantidades de dados no campo científico. Muitos algoritmos baseados em machine learning foram propostos para atenuar a atividade estelar e detectar melhor planetas de baixa massa e/ou de longo período. Esses algoritmos podem ser classificados em duas categorias: aprendizado supervisionado e aprendizado não supervisionado. A vantagem do aprendizado supervisionado é que o modelo proposto contém um grande conjunto de variáveis e tem a capacidade de produzir previsões relativamente precisas com base nos dados de treinamento.”
Para o estudo, os pesquisadores aplicaram seu algoritmo a três estrelas para verificar sua capacidade de identificar exoplanetas dentro dos dados de atividade estelar: nosso Sol, Alpha Centauri B (HD 128621, a aproximadamente 4,3 anos-luz) e Tau Ceti (HD 10700, a cerca de 12 anos-luz). Depois da inserção de sinais planetários simulados, o algoritmo identificou com sucesso os exoplanetas simulados com períodos orbitais potenciais que variam entre 10 e 550 dias para o Sol, 10 e 300 dias para Alpha Centauri B e 10 e 350 dias para Tau Ceti.
Atualmente, Alpha Centauri B tem várias detecções de exoplanetas em potencial, mas não confirmadas, enquanto Tau ceti tem oito exoplanetas não confirmados.
O algoritmo identificou que esses resultados significam que Alpha Centauri B e Tau Ceti podem ter exoplanetas com aproximadamente 4 vezes o tamanho da Terra e dentro das zonas habitáveis – região ao redor da estrela em que água líquida seria possível nesses planetas. Depois de receber mais dados de atividade estelar, o algoritmo identificou com sucesso um exoplaneta simulado com cerca de 2,2 vezes o tamanho da Terra, orbitando à mesma distância da Terra em relação ao Sol.
Embora o estudo tenha se concentrado em encontrar exoplanetas semelhantes à Terra nos dados de velocidade radial, os pesquisadores observam que dados adicionais, incluindo tempo de trânsito, fase e fotometria espacial, poderiam ser usados para identificar exoplanetas semelhantes à Terra.
Eles enfatizam que o telescópio espacial Platão, da Agência Espacial Europeia, com lançamento previsto para 2026, poderia fazer isso. O telescópio ficará estacionado no ponto de Lagrange L2 Sol-Terra, localizado no lado oposto da Terra em relação ao Sol. Platão fará a varredura de até um milhão de estrelas em busca de exoplanetas usando o método de trânsito com ênfase em exoplanetas rochosos.