100 novih egzoplaneta: AI otkriva što je TESS propustio

100 novih egzoplaneta: AI otkriva što je TESS propustio📷 © Tech&Space
- ★AI algoritam pronalazi 100 potvrđenih egzoplaneta u arhivskim podacima
- ★TESS-ova misija dobiva novi smjer nakon sekundarne analize podataka
- ★Značaj za procjenu učestalosti Zemlja-sličnih planeta raste
Kada je NASA-in svemirski teleskop TESS 2018. započeo sistematsko skeniranje neba, cilj je bio jasno definiran: pronaći egzoplanete metodom tranzita u orbiti oko najbližih i najsjajnijih zvijezda. Međutim, standardni algoritmi za detekciju — osmišljeni da filtriraju šum i lažne pozitive — propustili su stotine potencijalnih kandidata. Sada, četiri godine kasnije, nova studija objavljena u The Astrophysical Journal Supplement Series pokazuje kako je specijalizirani AI model, treniran na simuliranim podacima tranzita, uspio izvući 100 dodatnih potvrđenih egzoplaneta iz istog skupa podataka.
Ovo nije samo pitanje brojeva. Svaki novi egzoplanet doprinosi statističkoj slici o učestalosti, veličini i orbitama planeta izvan Sunčeva sustava — ključnih parametara za procjenu koliko je Zemlja-sličnih svjetova uopće moguće očekivati. Što je posebno zanimljivo: većina novootkrivenih planeta pripada klasi sub-Neptuna i super-Zemalja, kategorijama koje u našem Sunčevom sustavu nedostaju, što otvara pitanja o planetarnom nastanku i migraciji.
TESS je od početka bio dizajniran kao misija s dva koraka: prvi, brzo skeniranje cijelog neba; drugi, dubinska analiza najzanimljivijih kandidata. Međutim, ova AI-potpomognuta revizija pokazuje kako je i treći korak — sekundarna obrada arhitektiviranih podataka — postao neizbježan. Bez njega, dio podataka ostao bi ‘mrtav’ kapital, iako je prikupljen troškom od 287 milijuna dolara.

Podaci iz 2018. kriju stotine svjetova koje je propustio standardni softver📷 © Tech&Space
Podaci iz 2018. kriju stotine svjetova koje je propustio standardni softver
Prema izjavama autora studije, AI model je uspio detektirati planetarne tranzite koji su bili previše slabog signala za tradicionalne metode, ali dovoljno konzistentni da prođu kroz više krugova validacije. Ključna inovacija nije bila u samom algoritmu — koji koristi modificiranu verziju konvolucijskih neuronskih mreža — nego u načinima pretprocesiranja podataka. Umjesto da se oslanjaju na prosječne vrijednosti svjetlosne krivulje, istraživači su uveli dinamičko praćenje varijacija, što je omogućilo detekciju planeta čije orbite nisu savršeno poravnane s našom linijom promatranja.
Za misiju TESS, ovo otkriće znači produljenje znanstvenog vijeka života. Umjesto da se 2025. preusmjeri na nove ciljeve, dio resursa će sada biti alociran za reanalizu postojećih podataka uz pomoć poboljšanih AI alata. Međutim, ostaje otvoreno pitanje: koliko još ‘skrivenih’ planeta postoji u podacima koje čekaju na bolje metode obrade? Neke procjene sugeriraju kako bi broj neotkrivenih egzoplaneta u TESS-ovim arhivima mogao biti i do 30% veći od trenutno potvrđenih 4000+ kandidata.
Najveći značaj ovog otkrića leži u njegovu statističkom doprinosu. Svaki novi potvrđeni egzoplanet sužava raspon nesigurnosti u modelima planetarne formacije. Posebno je važno što je većina novootkrivenih planeta u ‘prazninama’ našeg razumijevanja — na primjer, u zonama gdje teorije predviđaju rijetke planete, ali gdje TESS sada pokazuje suprotno. To ne mijenja samo naš pogled na druge zvjezdane sustave, nego i na to kako naš vlastiti Sunčev sustav možda nije tipičan primjer.