Astronomen haben mehr als 100 bisher unentdeckte Exoplaneten – Welten, die Sterne außerhalb unserer Sonne umkreisen – identifiziert, indem sie künstliche Intelligenz auf Daten angewendet haben, die vom Transiting Exoplanet Survey Satellite (TESS) der NASA gesammelt wurden. Diese von einem neuen KI-Programm namens RAVEN vorangetriebene Entdeckung weist auch auf weitere 2.000 potenzielle Exoplaneten hin, von denen etwa die Hälfte bisher unbekannt war.
Die Macht der KI bei der Exoplanetenjagd
Die TESS-Mission identifiziert Exoplaneten, indem sie die leichte Abschwächung des Lichts eines Sterns erkennt, wenn ein Planet vor ihm vorbeizieht, ein Phänomen, das als „Transit“ bekannt ist. RAVEN analysierte über 2,2 Millionen Sterne, die während der ersten vier Jahre von TESS beobachtet wurden, und konzentrierte sich dabei auf Planeten mit extrem engen Umlaufbahnen, die eine Umlaufbahn in nur 16 Erdentagen absolvierten. Diese Fähigkeit, diese schnell umlaufenden Welten genau zu bestimmen, ist von entscheidender Bedeutung, da sie es Wissenschaftlern ermöglicht, besser zu verstehen, wie häufig sie vorkommen und wo sie am häufigsten vorkommen.
Kandidaten bestätigen: Eine große Herausforderung
Derzeit enthält der Exoplanetenkatalog der NASA rund 6.000 bestätigte Planeten, Tausende von Kandidaten sind jedoch noch nicht bestätigt. Die größte Hürde besteht darin, zwischen echten Planetentransiten und anderen Ereignissen zu unterscheiden, die diese nachahmen, wie beispielsweise die Verfinsterung von Doppelsternen. RAVEN geht dieses Problem direkt an, indem es Daten mit maschinellem Lernen analysiert, um Muster zu identifizieren, die auf echte Planeten hinweisen.
RAVEN’s Edge: Eine komplette Pipeline
RAVEN zeichnet sich dadurch aus, dass es den gesamten Exoplaneten-Erkennungsprozess in einem einzigen Arbeitsablauf abwickelt, von der ersten Signalerkennung über die Validierung durch maschinelles Lernen bis hin zur statistischen Bestätigung. Dies steht im Gegensatz zu vielen bestehenden Tools, die sich nur auf bestimmte Phasen des Prozesses konzentrieren.
„RAVEN ermöglicht es uns, riesige Datensätze konsistent und objektiv zu analysieren“, sagt David Armstrong, Forscher an der University of Warwick. „Da die Pipeline gut getestet und sorgfältig validiert ist, handelt es sich nicht nur um eine Liste potenzieller Planeten – sie ist auch zuverlässig genug, um sie als Stichprobe für die Kartierung der Verbreitung verschiedener Planetentypen um sonnenähnliche Sterne zu verwenden.“
Kartierung der Planetenpopulationen und der „Neptunischen Wüste“
Die Analyse bestätigt, dass etwa 10 % der sonnenähnlichen Sterne nahe beieinander liegende Planeten beherbergen, was mit früheren Beobachtungen der Kepler-Mission der NASA übereinstimmt. Entscheidend ist, dass RAVEN auch eine genaue Schätzung darüber geliefert hat, wie selten Planeten in Neptungröße in engen Umlaufbahnen vorkommen – eine Region, die Astronomen die „Neptunwüste“ nennen. Die Studie zeigt, dass diese Planeten nur in der Nähe von 0,08 % der sonnenähnlichen Sterne vorkommen, was die Annahme bestärkt, dass diese Region dünn besiedelt ist.
Diese Entdeckung verdeutlicht, wie KI die Astronomie schnell verändert und es Forschern ermöglicht, aus riesigen Datensätzen aussagekräftige Erkenntnisse zu gewinnen. Die Fähigkeit, Exoplanetenkandidaten systematisch und zuverlässig zu identifizieren, wird die Suche nach bewohnbaren Welten außerhalb unseres Sonnensystems beschleunigen.
