Algoritmen voor kunstmatige intelligentie (AI) die zijn getraind op echte astronomische waarnemingen, presteren nu beter dan astronomen bij het doorzoeken van enorme hoeveelheden gegevens om nieuwe exploderende sterren te vinden, nieuwe soorten sterrenstelsels te identificeren en de fusies van massieve sterren te detecteren, waardoor de snelheid van nieuwe ontdekkingen in 's werelds oudste wetenschap.

Maar AI, ook wel machine learning genoemd, kan iets diepers onthullen, ontdekten astronomen van de University of California, Berkeley:onvermoede verbanden verborgen in de complexe wiskunde die voortkomt uit de algemene relativiteitstheorie - in het bijzonder hoe die theorie wordt toegepast op het vinden van nieuwe planeten rond andere sterren.

In een artikel dat deze week verschijnt in het tijdschrift Nature Astronomy , beschrijven de onderzoekers hoe een AI-algoritme is ontwikkeld om exoplaneten sneller te detecteren wanneer dergelijke planetaire systemen voor een achtergrondster passeren en deze kort helderder maken - een proces dat gravitationele microlensing wordt genoemd - onthulde dat de decennia-oude theorieën die nu worden gebruikt om deze waarnemingen te verklaren, zijn jammerlijk onvolledig.

In 1936 gebruikte Albert Einstein zelf zijn nieuwe algemene relativiteitstheorie om te laten zien hoe het licht van een verre ster kan worden gebogen door de zwaartekracht van een voorgrondster, waardoor het niet alleen helderder wordt zoals gezien vanaf de aarde, maar het vaak in verschillende punten van licht of het vervormen tot een ring, nu een Einstein-ring genoemd. Dit is vergelijkbaar met de manier waarop een handlens het licht van de zon kan focussen en versterken.

Maar wanneer het voorgrondobject een ster met een planeet is, is de opheldering in de loop van de tijd - de lichtcurve - ingewikkelder. Bovendien zijn er vaak meerdere planetaire banen die een bepaalde lichtcurve even goed kunnen verklaren - zogenaamde degeneraties. Dat is waar mensen de wiskunde vereenvoudigden en het grotere geheel misten.

Het AI-algoritme wees echter op een wiskundige manier om de twee belangrijkste soorten degeneratie te verenigen bij het interpreteren van wat telescopen detecteren tijdens microlensing, wat aantoont dat de twee "theorieën" echt speciale gevallen zijn van een bredere theorie waarvan de onderzoekers toegeven dat deze waarschijnlijk nog onvolledig is .

"Een machine learning-inferentie-algoritme dat we eerder ontwikkelden, bracht ons ertoe iets nieuws en fundamenteels te ontdekken over de vergelijkingen die het algemene relativistische effect van lichtbuiging door twee massieve lichamen beheersen", schreef Joshua Bloom vorig jaar in een blogpost toen hij de paper uploadde. naar een preprint-server, arXiv. Bloom is hoogleraar sterrenkunde aan de UC Berkeley en voorzitter van de afdeling.

Hij vergeleek de ontdekking door Keming Zhang, afgestudeerd student aan UC Berkeley, met verbanden die het AI-team van Google, DeepMind, onlangs heeft gemaakt tussen twee verschillende gebieden van de wiskunde. Alles bij elkaar laten deze voorbeelden zien dat AI-systemen fundamentele associaties kunnen onthullen die mensen missen.

"Ik beweer dat ze een van de eerste - zo niet de eerste - keren zijn dat AI is gebruikt om direct nieuw theoretisch inzicht in wiskunde en astronomie op te leveren," zei Bloom. "Net zoals Steve Jobs suggereerde dat computers de fietsen van de geest zouden kunnen zijn, hebben we gezocht naar een AI-raamwerk om te dienen als een intellectueel raketschip voor wetenschappers."

"Dit is een soort mijlpaal in AI en machinaal leren", benadrukte co-auteur Scott Gaudi, een professor in de astronomie aan de Ohio State University en een van de pioniers van het gebruik van zwaartekrachtmicrolensing om exoplaneten te ontdekken. "Het machine learning-algoritme van Keming heeft deze degeneratie blootgelegd die decennialang werd gemist door experts in het veld die met gegevens zwoegen. Dit suggereert hoe onderzoek in de toekomst zal verlopen als het wordt ondersteund door machine learning, wat echt opwindend is."

Exoplaneten ontdekken met microlensing

Er zijn meer dan 5.000 exoplaneten of extrasolaire planeten ontdekt rond sterren in de Melkweg, hoewel er maar weinig door een telescoop zijn gezien - ze zijn te zwak. De meeste zijn gedetecteerd omdat ze een Doppler-wobbel veroorzaken in de bewegingen van hun gastster of omdat ze het licht van de gastster een beetje dimmen wanneer ze ervoor kruisen - transits die de focus waren van NASA's Kepler-missie. Slechts een paar meer dan 100 zijn ontdekt door een derde techniek, microlensing.

Een van de belangrijkste doelen van NASA's Nancy Grace Roman Space Telescope, die tegen 2027 moet worden gelanceerd, is om via microlensing nog duizenden exoplaneten te ontdekken. De techniek heeft een voordeel ten opzichte van de Doppler- en transittechnieken doordat ze planeten met een lagere massa kan detecteren, inclusief planeten ter grootte van de aarde, die ver van hun sterren verwijderd zijn, op een afstand die gelijk is aan die van Jupiter of Saturnus in ons zonnestelsel.

Bloom, Zhang en hun collega's zijn twee jaar geleden begonnen met het ontwikkelen van een AI-algoritme om microlensgegevens sneller te analyseren om de stellaire en planetaire massa's van deze planetaire systemen en de afstanden die de planeten tot hun sterren draaien te bepalen. Een dergelijk algoritme zou de analyse versnellen van de waarschijnlijk honderdduizenden gebeurtenissen die de Romeinse telescoop zal detecteren om de 1% of minder te vinden die worden veroorzaakt door exoplanetaire systemen.

Een probleem dat astronomen echter tegenkomen, is dat het waargenomen signaal dubbelzinnig kan zijn. Wanneer een eenzame voorgrondster voor een achtergrondster passeert, stijgt de helderheid van de achtergrondsterren geleidelijk tot een piek en daalt vervolgens symmetrisch tot de oorspronkelijke helderheid. Het is wiskundig en observatief gemakkelijk te begrijpen.

Maar als de voorgrondster een planeet heeft, creëert de planeet een afzonderlijke helderheidspiek binnen de piek die door de ster wordt veroorzaakt. Bij het reconstrueren van de orbitale configuratie van de exoplaneet die het signaal produceerde, laat de algemene relativiteitstheorie vaak twee of meer zogenaamde gedegenereerde oplossingen toe, die allemaal de waarnemingen kunnen verklaren.

Tot op heden hebben astronomen deze degeneraties over het algemeen op simplistische en kunstmatig verschillende manieren aangepakt, zei Gaudi. Als het verre sterlicht dichtbij de ster passeert, kunnen de waarnemingen worden geïnterpreteerd als een brede of een korte baan voor de planeet - een dubbelzinnigheid die astronomen vaak kunnen oplossen met andere gegevens. Een tweede type degeneratie treedt op wanneer het achtergrondlicht van de sterren dicht bij de planeet passeert. In dit geval zijn de twee verschillende oplossingen voor de baan van de planeet echter over het algemeen maar een klein beetje verschillend.

Volgens Gaudi zijn deze twee vereenvoudigingen van microlensing door zwaartekracht met twee lichamen meestal voldoende om de werkelijke massa's en baanafstanden te bepalen. In een vorig jaar gepubliceerd artikel hebben Zhang, Bloom, Gaudi en twee andere co-auteurs van UC Berkeley, astronomieprofessor Jessica Lu en afgestudeerde student Casey Lam, een nieuw AI-algoritme beschreven dat helemaal niet afhankelijk is van kennis van deze interpretaties. . Het algoritme versnelt de analyse van microlens-waarnemingen aanzienlijk, waardoor resultaten in milliseconden in plaats van dagen worden verkregen en het computergekraak drastisch wordt verminderd.

Zhang testte vervolgens het nieuwe AI-algoritme op microlensing-lichtkrommen van honderden mogelijke orbitale configuraties van ster en exoplaneet en merkte iets ongewoons op:er waren andere dubbelzinnigheden waar de twee interpretaties geen rekening mee hielden. Hij concludeerde dat de veelgebruikte interpretaties van microlensing in feite slechts speciale gevallen waren van een bredere theorie die de volledige verscheidenheid aan dubbelzinnigheden in microlensing-gebeurtenissen verklaart.

"De twee eerdere theorieën over degeneratie behandelen gevallen waarin de achtergrondster dicht bij de voorgrondster of de voorgrondplaneet lijkt te passeren," zei Zhang. "Het AI-algoritme liet ons honderden voorbeelden zien van niet alleen deze twee gevallen, maar ook situaties waarin de ster niet dicht bij de ster of planeet komt en niet kan worden verklaard door een van de eerdere theorieën. Dat was de sleutel tot ons voorstel voor de nieuwe verenigende theorie."

Gaudi was aanvankelijk sceptisch, maar kwam bij nadat Zhang veel voorbeelden had geproduceerd waarin de vorige twee theorieën niet pasten bij waarnemingen en de nieuwe theorie wel. Zhang bekeek de gegevens van twee dozijn eerdere artikelen die de ontdekking van exoplaneten door microlensing rapporteerden en ontdekte dat de nieuwe theorie in alle gevallen beter bij de gegevens paste dan de vorige theorieën.

"Mensen zagen deze microlensing-evenementen, die eigenlijk deze nieuwe degeneratie vertoonden, maar realiseerden het zich gewoon niet," zei Gaudi. "Het was eigenlijk gewoon de machine learning die naar duizenden evenementen keek waar het onmogelijk werd om ze te missen."

Zhang en Gaudi hebben een nieuw artikel ingediend dat de nieuwe wiskunde rigoureus beschrijft op basis van de algemene relativiteitstheorie en de theorie onderzoekt in microlenssituaties waarbij meer dan één exoplaneet om een ​​ster draait.

De nieuwe theorie maakt de interpretatie van microlensing-waarnemingen technisch dubbelzinniger, omdat er meer gedegenereerde oplossingen zijn om de waarnemingen te beschrijven. Maar de theorie laat ook duidelijk zien dat het observeren van dezelfde microlensing-gebeurtenis vanuit twee perspectieven - vanaf de aarde en vanuit de baan van de Romeinse ruimtetelescoop bijvoorbeeld - het gemakkelijker zal maken om de juiste banen en massa's te bepalen. Dat is wat astronomen momenteel van plan zijn te doen, zei Gaudi.

"De AI stelde een manier voor om de lensvergelijking in een nieuw licht te bekijken en iets heel dieps over de wiskunde ervan te ontdekken", zei Bloom. "AI komt naar voren als niet alleen dit soort botte tool die in onze gereedschapskist zit, maar als iets dat eigenlijk best slim is. Naast een expert als Keming waren de twee in staat om iets vrij fundamenteels te doen." + Verder verkennen

Nieuwe sub-Jupiter-massa exoplaneet gedetecteerd door astronomen