Maschinelles Lernen beschleunigt die Suche nach erdähnlichen Planeten

BERN / LONDON (IT BOLTWISE) – Die Suche nach erdähnlichen Planeten im Universum könnte dank eines neuen maschinellen Lernmodells, das von einem Team der Universität Bern entwickelt wurde, erheblich beschleunigt werden.

Die Suche nach einem zweiten Zuhause im Universum, einem Planeten, der unserer Erde ähnelt, ist eine der faszinierendsten Herausforderungen der modernen Astronomie. Ein Team der Universität Bern hat nun ein maschinelles Lernmodell entwickelt, das die Identifikation solcher Planeten erheblich beschleunigen könnte. Dieses Modell, das auf dem sogenannten “Berner Modell der Planetenentstehung und -entwicklung” basiert, nutzt Daten, um potenzielle Planetensysteme mit erdähnlichen Planeten vorherzusagen.

Das Berner Modell, das seit 2003 kontinuierlich weiterentwickelt wird, bietet eine umfassende Analyse der Prozesse, die bei der Entstehung und Entwicklung von Planeten eine Rolle spielen. Es integriert Submodelle zur Akkretion und zur gravitationsbedingten Interaktion von Planeten. Diese tiefgehende Analyse ermöglicht es, Populationssynthesen zu erstellen, die aufzeigen, welche Planeten sich unter bestimmten Bedingungen entwickeln könnten.

Dr. Jeanne Davoult, die das Modell im Rahmen ihrer Doktorarbeit entwickelte, erklärt, dass der Algorithmus mit Daten aus synthetischen Planetensystemen trainiert wurde. Die Ergebnisse sind beeindruckend: Der Algorithmus erreicht eine Präzision von bis zu 99%, was bedeutet, dass fast alle identifizierten Systeme mindestens einen erdähnlichen Planeten aufweisen.

Die Anwendung des Modells auf tatsächlich beobachtete Systeme führte zur Identifikation von 44 Systemen, die mit hoher Wahrscheinlichkeit unentdeckte erdähnliche Planeten beherbergen. Diese Entdeckung könnte für zukünftige Weltraummissionen wie PLATO von entscheidender Bedeutung sein, die sich der Entdeckung und Charakterisierung von kleinen, kalten Planeten widmen.

Der Einsatz von maschinellem Lernen in der Astronomie ist nicht neu, jedoch bietet dieses Modell eine neue Dimension der Effizienz und Genauigkeit. Es könnte die Suchzeiten nach erdähnlichen Planeten drastisch verkürzen und die Anzahl der Entdeckungen maximieren. Dies ist ein bedeutender Schritt in der Suche nach Leben im Universum.

Die Ergebnisse dieser Forschung wurden kürzlich in der renommierten Zeitschrift Astronomy & Astrophysics veröffentlicht, was die Bedeutung und den Einfluss dieser Arbeit auf die wissenschaftliche Gemeinschaft unterstreicht. Die Integration von maschinellem Lernen in die Planetenforschung zeigt, wie moderne Technologien die Grenzen der Wissenschaft erweitern können.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!