سرویس فناوری - پژوهشگران سوئیسی اخیراً موفق شده‌اند تا مدلی مبتنی بر هوش مصنوعی طراحی کنند که قادر است تا جهان‌های بالقوه قابل سکونت که تاکنون از دید دانشمندان پنهان مانده‌اند را شناسایی کند. ...

به گزارش سرویس فناوری جیرجیرک به نقل از فرادید - پژوهشگران سوئیسی با استفاده از یک مدل هوش مصنوعی مشغول پیش بینی محل اختفای سیارات قابل سکونت در منظومه های دیگر هستند.

پژوهشگران سوئیسی اخیراً موفق شده اند تا مدلی مبتنی بر هوش مصنوعی طراحی کنند که قادر است تا جهان های بالقوه قابل سکونت که تاکنون از دید دانشمندان پنهان مانده اند را شناسایی کند.

این الگوریتم یادگیری ماشینی موفق به شناسایی ۴۴ منظومه ستاره ای که احتمال می رود میزبان سیاراتی شبیه زمین باشند شده و این در حالی است که این سیارات هنوز به طور رسمی کشف نشده اند. چنین دستاوردی نویدبخش رویکردی نوین در جستجوی سیارات مملو از حیات است و عملاً می تواند سرعت این فرآیند را افزایش دهد.

دقت بالای مدل در شناسایی

اگرچه هنوز وجود این سیارات به طور قطعی تأیید نشده، اما این مدل مسیر را برای بررسی های دقیق تر در آینده توسط اخترشناسان هموار می کند. در شبیه سازی های انجام شده، مدل موردنظر به دقتی تا ۰٫۹۹ دست یافته؛ یعنی در ۹۹ درصد از منظومه هایی که مدل معرفی کرده، دست کم یک سیاره شبیه زمین وجود دارد.

دکتریان الیبر، یکی از نویسندگان این مطالعه و مدیر مشترک مرکز فضا و قابلیت سکونت دانشگاه برن در این باره گفت: «این یکی از معدود مدل های هوش مصنوعی در جهان با چنین سطح پیچیدگی است که مطالعات پیش بینی گرایانه ای مثل مطالعه ما را امکان پذیر می کند. این گام بزرگی در مسیر جستجوی سیارات با شرایط مناسب برای زندگی و در نهایت یافتن حیات در جهان هستی است.»

کار سخت شناسایی سیارات فراخورشیدی

رصد و کشف سیارات فراخورشیدی (exoplanets) خیلی سخت است؛ چرا که در مقایسه با ستاره ها به مراتب کوچک تر هستند و نور بسیار کمی تولید می کنند. تا امروز تنها حدود ۵۸۰۰ سیاره فراخورشیدی به طور رسمی تأیید شده اند و اطلاعات موجود درباره خیلی از آن ها به شدت محدود است.

این مسئله، الگوریتم های الگویاب مبتنی بر یادگیری ماشینی را با چالش روبه رو می کند؛ چرا که این الگوریتم ها برای یادگیری دقیق به مجموعه داده های بزرگی نیاز دارند. پژوهشگران برای حل این مشکل، سیستم های سیاره ای مصنوعی را که با استفاده از "مدل برن برای شکل گیری و تحول سیارات" تولید شده بودند، به الگوریتم آموزش دادند.

این مدل شبیه سازی دقیقی از تکامل سیارات فرضی از زمان شکل گیری در دیسک های پیش سیاره ای ارائه می کند.

الیبر در این باره توضیح داد: «مدل برن یکی از معدود مدل های جهان است که چنین حجم وسیعی از فرآیندهای فیزیکی مرتبط را در برمی گیرد و اجرای مطالعه ای مثل این را ممکن می کند.»

در جریان این پژوهش، مشخص شد که قوی ترین نشانه های وجود یک سیاره شبیه زمین، معمولاً در سیاره داخلیِ قابل رصد یک منظومه ستاره ای دیده می شود؛ به ویژه در ویژگی هایی مثل جرم و دوره مداری آن.

بدین ترتیب، تیم پژوهشی مدل هوش مصنوعی را روی نمونه ای متشکل از نزدیک به ۱۶۰۰ منظومه ستاره ای که در آن ها دست کم یک سیاره شناخته شده و یکی از انواع ستاره های G،K یا M وجود داشت، اعمال کرد.

ستاره های نوع G، ستاره هایی مشابه خورشید هستند و دو نوع دیگر ستاره هایی کوچک تر و خنک تر هستند. نتایج این بررسی نشان داد که تقریباً در ۴۴ مورد از این منظومه ها، احتمال وجود یک سیاره شبیه زمین بسیار بالا است.

به هرحال حتی این مدل هم بی نقص نیست. طبق گفته پژوهشگران، برخی ویژگی های مشاهده شده در منظومه های واقعی، ازجمله هم زیستی معمول ابرزمین ها (Super-Earths) و مشتری های سرد (Cold Jupiters) در اطراف ستاره های نوع G، در مدل بازتولید نشده اند. به علاوه سیارات مصنوعی معمولاً در فاصله نزدیک تری به ستاره میزبان خود نسبت به سیارات واقعی قرار دارند.

بااین وجود، برای انجام چنین کاوش هایی نیازی نیست که مدل، کاملاً بی نقص باشد؛ چرا که حتی کوچک ترین ابزارهای کمکی برای محدود کردن حوزه جستجوی اخترشناسان در دل کهکشان های بی کران تأثیری انقلابی بر روند کشف سیارات مشابه زمین خواهد داشت.

منبع: خبرآنلاین