Les astronomes ont identifié plus de 100 exoplanètes jusque-là inconnues grâce à l'IA (et ce n'est que le début)

'; var fallbackTriggered = faux ; var timeoutId = null ; function renderTaboolaFallback(reason) { if (fallbackTriggered) return ; fallbackTriggered = vrai ; si (timeoutId) { clearTimeout (timeoutId); timeoutId = nul ; } console.log('(ADV) Rendu de secours Taboola. Raison :', raison); root.innerHTML = ''; window._taboola.push({ mode : 'thumbnails-300×250', conteneur : taboolaDivId, placement : 'Widget milieu d'article 300×250', target_type : 'mix' }); // Si votre intégration Taboola le nécessite, décommentez : // window._taboola.push({ flush: true }); } googletag.cmd.push(function () { console.log('(ADV) GPT init', gptDivId); var gptSlot = googletag .defineSlot('/22142119198/greenme.it/roller', (300, 250), gptDivId) .addService(googletag.pubads()); googletag.pubads (). event.lineItemId }); if (fallbackTriggered) return ; if (event.isEmpty) { renderTaboolaFallback('gpt-empty'); googletag.enableServices();

Le défi est d’identifier si la diminution de la luminosité est réellement causée par une planète en orbite autour de l’étoile ou par autre chose, comme des étoiles binaires à éclipse, et c’est précisément ce que RAVEN cherche à découvrir – explique notamment Andreas Hadjigeorghiou, qui a dirigé le développement de l’outil d’IA –. Sa force vient de notre ensemble de données soigneusement créé, composé de centaines de milliers de planètes simulées de manière réaliste et d’autres événements astrophysiques qui peuvent être confondus avec des planètes. Nous avons formé des modèles d'apprentissage automatique pour identifier des modèles dans les données qui peuvent nous indiquer quel type d'événement a été détecté, une tâche dans laquelle les modèles d'IA excellent.

L'étude des planètes en orbite proche

Le défi est gagné pour l'instant.

Grâce à notre nouveau pipeline RAVEN, nous avons pu valider 118 nouvelles planètes et plus de 2 000 planètes candidates de haute qualité, dont près de 1 000 entièrement nouvelles – explique Marina Lafarga Magro, première auteure de l'ouvrage – Cela représente l'un des échantillons de planètes en orbite proche les mieux caractérisés et nous aidera à identifier les systèmes les plus prometteurs pour les études futures.

Parmi les planètes récemment confirmées, il existe plusieurs populations d'une valeur particulière, notamment :

• les planètes à période ultra courte, qui tournent autour de leur étoile en moins de 24 heures ;
• Les planètes désertiques neptuniennes, une classe rare de planètes trouvées dans une région où la théorie prédit qu'il devrait y avoir peu de planètes ;
• Systèmes multiplanétaires en orbite étroite, comprenant des paires de planètes jusque-là inconnues autour de la même étoile

RAVEN nous permet d'analyser d'énormes ensembles de données de manière cohérente et objective – ajoute David Armstrong, co-auteur des études RAVEN – Parce que le pipeline est bien testé et minutieusement validé, il ne s'agit pas seulement d'une liste de planètes potentielles, mais aussi d'un échantillon suffisamment fiable pour être utilisé pour cartographier la prévalence de différents types de planètes autour d'étoiles semblables au Soleil.

Grâce à cet ensemble de planètes bien caractérisé et validé, l’équipe a pu aller au-delà des découvertes individuelles et étudier en détail la population d’exoplanètes en orbite proche. Dans une étude parallèle menée avec le télescope MNRAS, les astronomes ont mesuré la fréquence à laquelle des planètes se trouvent en orbite rapprochée autour d'étoiles semblables au Soleil, cartographiant les résultats en fonction de la période orbitale et de la taille de la planète avec un niveau de détail sans précédent.

Les résultats de cette enquête ultérieure ont révélé qu'environ 9 à 10 % des étoiles semblables au Soleil hébergent une planète en orbite proche, un résultat cohérent avec la mission Kepler de la NASA, un télescope spatial qui mesurait auparavant la fréquence des planètes autour d'autres étoiles, mais avec des incertitudes jusqu'à dix fois plus élevées.

Découvertes dans le désert neptunien

Cette étude fournit également la première mesure directe des planètes du désert neptunien, montrant que, conformément à la théorie, les planètes en orbite proche gravitent autour de seulement 0,08 % des étoiles semblables au Soleil dans cette région.

Pour la première fois, nous pouvons quantifier avec précision à quel point ce désert est vide – commente Kaiming Cui, auteur principal de l'étude sur la population planétaire – Ces mesures démontrent que TESS peut désormais égaler, et dans certains cas surpasser, Kepler dans l'étude des populations planétaires.

L'avenir de l'IA dans les études astronomiques

Ensemble, ces études démontrent comment de vastes ensembles de données astronomiques et les nouveaux développements de l’intelligence artificielle vont de pair, générant de nouvelles découvertes, testant l’IA sur des problèmes de recherche complexes et transformant à la fois la découverte des planètes et la science des populations planétaires.

Un trou noir comme vous ne l'avez jamais vu, grâce à l'intelligence artificielle des astronomes ont amélioré la première image de M87

L'équipe a publié des outils et des catalogues interactifs qui permettent à d'autres chercheurs d'explorer les résultats et d'identifier des cibles prometteuses pour de futures observations avec des télescopes au sol et des missions à venir.

L'ouvrage a été publié Avis mensuels de la Royal Astronomical Society.

Sources : Université de Warwick / Avis mensuels de la Royal Astronomical Society