Прорыв в науке об экзопланетах: 44 новых кандидата в землеподобные миры
Исследовательская группа из Университета Берна и Национального центра компетенции в области исследований PlanetS достигла значительной вехи в поиске пригодных для жизни планет. Как было объявлено 9 апреля 2025 года, команда разработала модель машинного обучения способную с удивительной точностью определять планетарные системы, в которых могут находиться экзопланеты, похожие на Землю. Этот прорыв не только продвигает поиск потенциально пригодных для жизни миров, но и знаменует многообещающий шаг к открытию внеземной жизни.
ИИ-модель была разработана под руководством д-ра Жанны Давулт в рамках ее докторского исследования в Университете Берна при поддержке профессора д-ра Янна Алибера и Ромена Эльтшингера из Центра космоса и обитаемости (CSH). Он был обучен на синтетических данных, полученных с помощью известной "Бернской модели образования и эволюции планет", которая моделирует физические процессы, лежащие в основе формирования планетарных систем. Результат поражает: с точностью до 99% модель успешно определила системы, которые с высокой вероятностью содержат хотя бы одну планету, похожую на Землю.
Применение в реальном мире для планетарных систем
После обучения модель была применена к реальным данным наблюдений и выявила 44 планетарные системы, в которых потенциально могут находиться ранее неизвестные землеподобные планеты. Эти выводы особенно важны для предстоящих космических миссий, таких как PLATO от ЕКА и предлагаемого проекта LIFE оба проекта направлены на обнаружение и определение характеристик землеподобных миров.
Проект PLATO (PLAnetary Transits and Oscillations of stars), запуск которого намечен на 2026 год, будет использовать транзитный метод и астеросейсмологию для обнаружения потенциально пригодных для жизни экзопланет, уделяя особое внимание тем из них, которые вращаются вокруг звезд, похожих на Солнце. Наиболее перспективные кандидаты, выявленные PLATO, станут основой для будущих миссий, таких как LIFE (Large Interferometer For Exoplanets), цель которой - анализ атмосфер далеких планет с помощью инфракрасной спектроскопии и нуль-интерферометрии для поиска биосигнатур, таких как вода или метан. Новая модель машинного обучения может сыграть ключевую роль в предварительном отборе наиболее перспективных целей, тем самым повышая эффективность и успешность этих миссий.
