Rychlost, s jakou lidstvo zaznamenává světy mimo naši sluneční soustavu, by se mohla dramaticky zrychlit díky systému umělé inteligence nazvanému RAVEN.

Tento software dokázal během jediného průletu analyzovat více než 2 miliony hvězd, potvrdit 118 planet, které kolem nich obíhají – z toho 31 zcela nepublikovaných – a určit přibližně 2 000 dalších vysoce spolehlivých kandidátů. Tento skok, pokud bude konsolidován, změní pravidla hry v planetární astrofyzice.

Sčítání se jmény a příjmeními

Vědci se neomezili pouze na rozšíření seznamu exoplanet, tj. planet obíhajících kolem jiných hvězd než Slunce. Sestavili jakýsi soupis, který se týká jak existence těchto světů, tak jejich vlastností. Mezi nejpozoruhodnější zjištění patří ultrakrátkoperiodické planety, tedy tělesa, která dokončí celý oběh kolem své hvězdy za méně než 24 hodin a která tvoří 9-10 % vzorku. Byly také identifikovány víceplanetární systémy s blízkou oběžnou dráhou, dvojice planet sdílející stejnou hostitelskou hvězdu a velmi vzácné planety v takzvané „neptunské poušti“, tedy v pásmu oběžných drah, kde se předpokládalo, že nemohou existovat téměř žádné světy. Ty se objevují pouze v 0,08 % zkoumaných hvězdných systémů, což potvrzuje jejich výjimečnost.

Dr. Kaiming Cui, postdoktorand na University of Warwick a jeden z autorů populační studie, shrnuje: „Poprvé můžeme přesně vyčíslit, jak prázdná je tato ‚poušť‘. Cui dodává, že „tato měření ukazují, že TESS se nyní může při studiu planetárních populací vyrovnat programu Kepler a v některých případech jej i předčit„. TESS, družice pro průzkum tranzitujících exoplanet provozovaná NASA, a Kepler, její slavný předchůdce, jsou dva hlavní vesmírné teleskopy, které v uplynulém desetiletí podpořily pátrání po vzdálených světech.

Proč potřebujeme tisíce příkladů

Od objevu 51 Pegasi b v roce 1995 vědecká komunita potvrdila více než 6 000 exoplanet, což je v průměru asi 200 ročně. Toto číslo je pozoruhodné, ale astrofyzikové je považují za nedostatečné. Nejedná se o rekordní závod, ale o metodologickou nutnost: abychom pochopili, co je na planetě „normální“, je třeba co nejvíce příkladů.

Ústředním problémem je úzké hrdlo mezi pozorovacími a analytickými kapacitami. Moderní teleskopy generují objemy dat daleko přesahující možnosti lidských schopností, které je schopno spolehlivě zpracovat. Ověření a validace každého signálu je stejně zásadní jako samotná detekce, a přestože již existují nástroje strojového učení, které kompenzují naši lidskou neschopnost takovou lavinu informací zpracovat, dosud žádný z nich neintegroval všechny fáze procesu. A právě zde přichází na řadu systém RAVEN.

Metoda hvězdného blikání

Technika používaná systémem RAVEN je založena na planetárních tranzitech. Když planeta přechází z našeho pohledu před svou hvězdou, světlo, které přijímáme, se mírně zeslabí, podobně jako při velmi krátkém extrasolárním zatmění. Pouhým okem tato ztmavnutí vidět nelze, ale vesmírné dalekohledy je zaznamenávají přesně. Pokud se tato malá „bliknutí“ opakují v pravidelných intervalech, můžeme mít podezření, že kolem hvězdy něco obíhá. Co když se mezi nás a hvězdu něco pravidelně dostává?

Ne všechno, co zatmí hvězdu, však musí být nutně planeta. Vzájemně se zatmívající dvojhvězdné systémy nebo vlastní změny jasnosti mohou generovat klamně podobné signály. Jak vysvětluje Dr. Andreas Hadjigeorghiou, zodpovědný za vývoj systému RAVEN: „Výzva spočívá v určení, zda je stmívání skutečně způsobeno planetou obíhající kolem hvězdy, nebo něčím jiným, například zatměním dvojhvězdy, na což se snaží odpovědět systém RAVEN. Jeho síla spočívá v pečlivě vytvořeném souboru stovek tisíc realisticky simulovaných planet a dalších astrofyzikálních jevů, které se mohou maskovat jako planety. Trénujeme modely strojového učení, aby v datech identifikovaly vzory, které nám mohou říci, jaký typ události jsme detekovali, což je něco, v čem modely umělé inteligence vynikají.“

Od detekce k potvrzení v jednom kroku

RAVEN se od předchozích nástrojů liší tím, že pokrývá celý pracovní postup. Hadjigeorghiou to popisuje jasně: „RAVEN je navržen tak, aby zvládl celý proces v jednom kroku, od detekce signálu, přes jeho ověření pomocí strojového učení až po jeho statistické potvrzení. To mu dává další výhodu oproti současným nástrojům, které se zaměřují pouze na určité části pracovního postupu.

V praxi systém pracoval ve třech vzájemně propojených fázích. Nejprve ze čtyř let dat nashromážděných systémem TESS sledoval signály kompatibilní s tranzity. Poté ve fázi ověřování porovnával každý signál s rozsáhlým katalogem simulací, které reprodukují prakticky všechny známé astrofyzikální scénáře, a vyřazoval tranzity, jejichž charakteristiky neodpovídaly přítomnosti exoplanety. Tato prověrka přinesla 2 000 kandidátů považovaných za vysoce kvalitní, z nichž 1 000 nebylo před projektem RAVEN identifikováno. Nakonec byla statistickým ověřením stanovena pravděpodobnost, že každý kandidát je skutečně planetou. Tento poslední krok potvrdil 118 exoplanet, z nichž 31 bylo poprvé detekováno samotnou umělou inteligencí.

Na cestě k novému způsobu astrofyziky

Odborníci zdůrazňují, že užitečnost systému RAVEN přesahuje pouhé počítání. Dr. David Armstrong, docent na University of Warwick a spoluautor tří publikovaných studií, zdůrazňuje: „RAVEN nám umožňuje analyzovat obrovské soubory dat konzistentním a objektivním způsobem. Protože je systém dobře otestován a pečlivě ověřen, jedná se nejen o seznam potenciálních planet, ale také o dostatečně spolehlivý vzorek, který lze použít pro mapování výskytu různých typů planet kolem hvězd podobných Slunci.„

Pokud budoucí nezávislá práce výsledky potvrdí, vědecká komunita by mohla zaznamenat skutečnou explozi v již tak rychlém tempu objevování světů mimo sluneční soustavu, které se nacházejí ve vzdálenosti světelných let. Zrodí se tak nový pohled na astrofyziku.