Kunstmatige intelligentie heeft astronomen van de Universiteit van Warwick geholpen honderden eerder verborgen exoplaneten te vinden in de gegevens van de NASA-missie TESS. Het nieuwe systeem RAVEN verwerkte de waarnemingen van meer dan 2,2 miljoen sterren gedurende de eerste vier jaar van de telescoop.
RAVEN combineert automatische signaaldetectie, machine learning en statistische verificatie in één pijplijn. Als resultaat bevestigde het team 118 nieuwe planeten en selecteerde het meer dan 2000 hoogwaardige kandidaten, waarvan bijna duizend eerder onbekend waren.
Onder de ontdekkingen bevinden zich ultra-kortperiodieke werelden die in minder dan 24 uur een omloop rond hun ster voltooien. Zulke objecten zijn bijzonder interessant omdat ze zich in extreme omstandigheden bevinden.
De analyse toonde aan dat 9–10 % van de sterren die op de zon lijken, nabije planeten hebben. Dit komt overeen met de gegevens van Kepler, maar met een tienmaal hogere nauwkeurigheid. Bovendien kon voor het eerst de zeldzaamheid van de ‘Neptunuswoestijn’ nauwkeurig worden gemeten — het gebied waar planeten ter grootte van Neptunus bijna niet voorkomen. Zulke werelden zijn slechts bij 0,08 % van de sterren van het zonnetype aangetroffen.
‘Met behulp van onze nieuwe RAVEN-pijplijn konden we 118 nieuwe planeten en meer dan 2000 kandidaten bevestigen, waarvan bijna 1000 volledig nieuw zijn’, merkte dr. Marina Lafarga Magro op, de hoofdauteur van het onderzoek.
Het team ontdekte ook eerder onbekende multiplaneetsystemen met nauwe banen. De verkregen catalogi en instrumenten zijn al beschikbaar voor andere onderzoekers om waarnemingen te plannen.
Hoe zullen deze gegevens de selectie van doelen voor toekomstige missies, zoals PLATO van het Europees Ruimteagentschap, beïnvloeden?
Het werk is gepubliceerd in Monthly Notices of the Royal Astronomical Society. De wetenschappers benadrukken dat een zuivere en goed gekarakteriseerde steekproef het mogelijk zal maken beter te begrijpen hoe planeetstelsels rond sterren ontstaan en evolueren.
