Machine learning is een krachtig hulpmiddel dat wordt gebruikt voor een verscheidenheid aan taken in het moderne leven, van fraudedetectie en het sorteren van spam in Google, om filmaanbevelingen te doen op Netflix.

Nu heeft een team van onderzoekers van de Universiteit van Toronto Scarborough een nieuwe benadering ontwikkeld om het te gebruiken om te bepalen of planetaire systemen stabiel zijn of niet.

"Machine learning biedt een krachtige manier om een ​​probleem in de astrofysica aan te pakken, en dat is voorspellen of planetenstelsels stabiel zijn, " zegt Dan Tamayo, hoofdauteur van het onderzoek en een postdoctoraal fellow in het Center for Planetary Science aan de U of T Scarborough.

Machine learning is een vorm van kunstmatige intelligentie die computers de mogelijkheid geeft om te leren zonder dat ze constant voor een specifieke taak hoeven te worden geprogrammeerd. Het voordeel is dat het computers kan leren om te leren en te veranderen wanneer ze worden blootgesteld aan nieuwe gegevens, om nog maar te zwijgen van het is ook zeer efficiënt.

De door Tamayo en zijn team ontwikkelde methode is 1, 000 keer sneller dan traditionele methoden bij het voorspellen van stabiliteit.

"In het verleden waren we verlamd bij het proberen uit te zoeken of planetaire systemen stabiel zijn met methoden die de hoeveelheid gegevens die we erop gooiden niet aankonden, " hij zegt.

Het is belangrijk om te weten of planetaire systemen stabiel zijn of niet, omdat het ons veel kan vertellen over hoe deze systemen zijn ontstaan. Het kan ook waardevolle nieuwe informatie over exoplaneten opleveren die de huidige observatiemethoden niet bieden.

Er zijn verschillende huidige methoden voor het detecteren van exoplaneten die informatie verschaffen zoals de grootte van de planeet en de omlooptijd, maar ze geven misschien niet de massa van de planeet of hoe elliptisch hun baan is, dat zijn allemaal factoren die de stabiliteit beïnvloeden, merkt Tamayo op.

De door Tamayo en zijn team ontwikkelde methode is het resultaat van een reeks workshops aan U of T Scarborough over hoe machine learning kan helpen bij het aanpakken van specifieke wetenschappelijke problemen. Het onderzoek is momenteel online gepubliceerd in de Astrofysische journaalbrieven .

"Wat bemoedigend is, is dat onze bevindingen ons vertellen dat het de moeite waard is om weken te investeren in het trainen van machine learning-modellen, omdat deze tool niet alleen nauwkeurig is, het werkt ook veel sneller, " hij voegt toe.

Het kan ook van pas komen bij het analyseren van gegevens van NASA's Transiting Exoplanet Survey Satellite (TESS) die volgend jaar wordt gelanceerd. De tweejarige missie zal zich richten op het ontdekken van nieuwe exoplaneten door zich te concentreren op de helderste sterren in de buurt van ons zonnestelsel.

"Het zou een handig hulpmiddel kunnen zijn, omdat het voorspellen van stabiliteit ons in staat zou stellen meer over het systeem te leren, van de bovengrenzen van de massa tot de excentriciteiten van deze planeten, ' zegt Tamaya.

"Het zou een zeer nuttig hulpmiddel kunnen zijn om die systemen beter te begrijpen."