|
Искусственный интеллект проливает новый свет на экзопланеты
|
|
|
|
Исследователи из LMU, ORIGINS Excellence Cluster, Института внеземной физики имени Макса Планка (MPE) и ORIGINS Data Science Lab (ODSL) совершили важный прорыв в анализе атмосфер экзопланет. Используя основанные на физике нейронные сети (PINNS), им удалось смоделировать сложное рассеяние света в атмосферах экзопланет с большей точностью, чем это было возможно ранее. Этот метод открывает новые возможности для анализа атмосфер экзопланет, особенно в том, что касается влияния облаков, и может значительно улучшить наше понимание этих отдаленных миров. Работа опубликована в Monthly Notices Королевского астрономического общества.
|
|
|
|
Когда удаленные экзопланеты проходят перед своей звездой, они блокируют небольшую часть звездного света, в то время как еще меньшая часть проникает в атмосферу планеты. Это взаимодействие приводит к изменениям в световом спектре, которые отражают такие свойства атмосферы, как химический состав, температура и облачный покров.
|
|
|
|
Однако для анализа этих измеренных спектров ученым требуются модели, способные за короткое время рассчитать миллионы синтетических спектров. Только путем последующего сравнения рассчитанных спектров с измеренными мы получаем информацию о составе атмосферы наблюдаемых экзопланет.
|
|
|
Более того, новые высокодетализированные наблюдения, полученные с помощью космического телескопа Джеймса Уэбба (JWST), требуют создания столь же подробных и сложных атмосферных моделей.
|
|
Быстрое решение сложных уравнений благодаря искусственному интеллекту
|
|
|
|
Ключевым аспектом исследований экзопланет является рассеяние света в атмосфере, особенно на облаках. Предыдущие модели не могли удовлетворительно отразить это рассеяние, что приводило к неточностям в спектральном анализе.
|
|
|
|
Нейронные сети, основанные на физике, обладают здесь решающим преимуществом, поскольку они способны эффективно решать сложные уравнения. В только что опубликованном исследовании исследователи обучили две такие сети. Первая модель, которая была разработана без учета рассеяния света, продемонстрировала впечатляющую точность с относительными погрешностями в основном менее 1%.
|
|
|
|
Вторая модель включала в себя аппроксимации так называемого рэлеевского рассеяния - того же эффекта, который заставляет небо на Земле казаться голубым. Хотя эти аппроксимации требуют дальнейшего совершенствования, нейронная сеть смогла решить сложное уравнение, что является важным достижением.
|
|
Междисциплинарное сотрудничество
|
|
|
|
Эти новые открытия стали возможны благодаря уникальному междисциплинарному сотрудничеству между физиками из LMU в Мюнхене, ORIGINS Excellence Cluster, Институтом внеземной физики имени Макса Планка (MPE) и ORIGINS Data Science Lab (ODSL), которая специализируется на разработке новых методов в физике на основе искусственного интеллекта.
|
|
|
|
"Эта синергия не только продвигает исследования экзопланет, но и открывает новые горизонты для разработки методов, основанных на искусственном интеллекте, в физике", - объясняет ведущий автор исследования Дэвид Дальбюддинг из LMU.
|
|
|
|
"В будущем мы хотим еще больше расширить наше междисциплинарное сотрудничество, чтобы с большей точностью моделировать рассеяние света на облаках и, таким образом, в полной мере использовать потенциал нейронных сетей".
|
|
|
|
Источник
|
