AI avslører uventet matematikk som ligger til grunn for søk etter eksoplaneter


eksoplanet

Denne kunstnerens konsept skildrer et planetarisk system. Kreditt: NASA/JPL-Caltech

Algoritmer for kunstig intelligens (AI) som er trent på ekte astronomiske observasjoner, overgår nå astronomer i å sile gjennom enorme mengder data for å finne nye eksploderende stjerner, identifisere nye typer galakser og oppdage sammenslåinger av massive stjerner, noe som øker hastigheten på nye oppdagelser i verdens eldste. vitenskap.

Men AI, også kalt maskinlæring, kan avsløre noe dypere, fant University of California, Berkeley, astronomer: Uventede sammenhenger skjult i den komplekse matematikken som oppstår fra generell relativitetsteori – spesielt hvordan denne teorien brukes til å finne nye planeter rundt andre stjerner.

I en artikkel som vises denne uken i tidsskriftet Natur astronomibeskriver forskerne hvordan en AI-algoritme utviklet seg for raskere å oppdage eksoplaneter når slike planetsystemer passerer foran en bakgrunnsstjerne og kortvarig lyser opp den – en prosess som kalles gravitasjonsmikrolinsing– Avslørte at de tiår gamle teoriene som nå brukes for å forklare disse observasjonene, er sørgelig ufullstendige.

I 1936 brukte Albert Einstein selv sin nye generelle relativitetsteori for å vise hvordan lyset fra en fjern stjerne kan bøyes av tyngdekraften til en forgrunnsstjerne, ikke bare lyser den opp sett fra jorden, men deler den ofte i flere lyspunkter eller forvrenger den til en ring, nå kalt en Einstein-ring. Dette ligner på måten en håndlinse kan fokusere og intensivere lyset fra solen på.

Men når forgrunnsobjektet er en stjerne med en planet, er lysningen over tid – lyskurven – mer komplisert. Dessuten er det ofte flere planetariske baner som kan forklare en gitt lyskurve like godt – såkalte degenerasjoner. Det var der mennesker forenklet regnestykket og gikk glipp av det større bildet.

AI-algoritmen pekte imidlertid på en matematisk måte å forene de to hovedtypene for degenerasjon ved å tolke hva teleskoper oppdager under mikrolinsing, og viste at de to “teoriene” virkelig er spesielle tilfeller av en bredere teori som forskerne innrømmer sannsynligvis fortsatt er ufullstendige. .

“En maskinlærings-inferensalgoritme vi tidligere utviklet førte til at vi oppdaget noe nytt og grunnleggende om ligningene som styrer den generelle relativistiske effekten av lysbøyning av to massive kropper,” skrev Joshua Bloom i et blogginnlegg i fjor da han lastet opp avisen. til en preprint-server, arXiv. Bloom er professor i astronomi ved UC Berkeley og leder av avdelingen.

Han sammenlignet oppdagelsen av UC Berkeley-student Keming Zhang med forbindelser som Googles AI-team, DeepMind, nylig laget mellom to ulike områder av matematikken. Til sammen viser disse eksemplene at AI-systemer kan avsløre grunnleggende assosiasjoner som mennesker savner.

“Jeg hevder at de utgjør en av de første – om ikke første – gang[s] at AI har blitt brukt til direkte å gi ny teoretisk innsikt i matematikk og astronomi,” sa Bloom. “Akkurat som Steve Jobs foreslo at datamaskiner kunne være sinnets sykler, har vi søkt etter et AI-rammeverk for å tjene som et intellektuelt rakettskip for forskere.”

“Dette er en slags milepæl innen AI og maskinlæring,” understreket medforfatter Scott Gaudi, professor i astronomi ved Ohio State University og en av pionerene innen bruk av gravitasjonsmikrolinsing for å oppdage eksoplaneter. “Kemings maskinlæringsalgoritme avdekket denne degenerasjonen som hadde vært savnet av eksperter på feltet som har slitt med data i flere tiår. Dette tyder på hvordan forskningen kommer til å gå i fremtiden når den blir hjulpet av maskinlæring, noe som er veldig spennende.”

AI avslører uventet matematikk som ligger til grunn for søk etter eksoplaneter

Manifestasjonen av offset-degenerasjonen i kilde-planforstørrelsesforskjellskart (øverst) og lyskurver (nederst). Kreditt: Natur astronomi (2022). DOI: 10.1038 / s41550-022-01671-6

Oppdage eksoplaneter med mikrolinsing

Mer enn 5000 eksoplaneter, eller ekstrasolare planeter, er blitt oppdaget rundt stjerner i Melkeveien, selv om få faktisk har blitt sett gjennom et teleskop – de er for svake. De fleste har blitt oppdaget fordi de skaper en Doppler-slingring i bevegelsene til vertsstjernene eller fordi de svakt demper lyset fra vertsstjernen når de krysser foran den – transitter som var fokus for NASAs Kepler-oppdrag. Bare noen få mer enn 100 har blitt oppdaget ved en tredje teknikk, mikrolinsing.

Et av hovedmålene til NASAs romerske romteleskop Nancy Grace, som skal lanseres innen 2027, er å oppdage flere tusen eksoplaneter via mikrolinsing. Teknikken har en fordel fremfor Doppler- og transittteknikkene ved at den kan oppdage planeter med lavere masse, inkludert de på størrelse med Jorden, som er langt fra stjernene deres, i en avstand som tilsvarer den til Jupiter eller Saturn i vårt solsystem.

Bloom, Zhang og kollegene deres satte seg for to år siden for å utvikle en AI-algoritme for å analysere mikrolinsedata raskere for å bestemme stjerne- og planetmassene til disse planetsystemene og avstandene planetene kretser rundt fra stjernene deres. En slik algoritme vil fremskynde analysen av de sannsynlige hundretusener av hendelser det romerske teleskopet vil oppdage for å finne 1% eller færre som er forårsaket av eksoplanetære systemer.

Et problem astronomer støter på, er imidlertid at det observerte signalet kan være tvetydig. Når en enslig forgrunnsstjerne passerer foran en bakgrunnsstjerne, stiger lysstyrken til bakgrunnsstjernene jevnt til en topp og synker deretter symmetrisk til dens opprinnelige lysstyrke. Det er lett å forstå matematisk og observasjonsmessig.

Men hvis forgrunnsstjernen har en planet, skaper planeten en egen lysstyrketopp innenfor toppen forårsaket av stjernen. Når man prøver å rekonstruere orbitalkonfigurasjonen til eksoplaneten som produserte signalet, tillater generell relativitetsteori ofte to eller flere såkalte degenererte løsninger, som alle kan forklare observasjonene.

Til dags dato har astronomer generelt håndtert disse degenerasjonene på forenklede og kunstig distinkte måter, sa Gaudi. Hvis det fjerne stjernelyset passerer nær stjernen, kan observasjonene tolkes enten som en bred eller en nær bane for planeten – en tvetydighet astronomer ofte kan løse med andre data. En annen type degenerasjon oppstår når bakgrunnsstjernelyset passerer nær planeten. I dette tilfellet er imidlertid de to forskjellige løsningene for planetbanen generelt bare litt forskjellige.

I følge Gaudi er disse to forenklingene av gravitasjonsmikrolinsing med to kropper vanligvis tilstrekkelig til å bestemme de sanne massene og baneavstandene. Faktisk, i en artikkel publisert i fjor, Zhang, Bloom, Gaudi og to andre UC Berkeley-medforfattere, astronomiprofessor Jessica Lu og doktorgradsstudent Casey Lam, beskrev en ny AI-algoritme som ikke er avhengig av kunnskap om disse tolkningene i det hele tatt. Algoritmen akselererer analysen av mikrolinseobservasjoner i stor grad, gir resultater i millisekunder, i stedet for dager, og reduserer datamaskinens knas drastisk.

Zhang testet deretter den nye AI-algoritmen på mikrolinselyskurver fra hundrevis av mulige orbitale konfigurasjoner av stjerne og eksoplanet og la merke til noe uvanlig: Det var andre uklarheter som de to tolkningene ikke tok hensyn til. Han konkluderte med at de ofte brukte tolkningene av mikrolinsing faktisk bare var spesielle tilfeller av en bredere teori som forklarer hele spekteret av uklarheter i mikrolinsehendelser.

“De to tidligere teoriene om degenerasjon omhandler tilfeller der bakgrunnsstjernen ser ut til å passere nær forgrunnsstjernen eller forgrunnsplaneten,” sa Zhang. “AI-algoritmen viste oss hundrevis av eksempler fra ikke bare disse to tilfellene, men også fra situasjoner der stjernen ikke passerer nær verken stjernen eller planeten og ikke kan forklares av noen av tidligere teorier. Det var nøkkelen til at vi foreslo den nye samlende teori.”

Gaudi var skeptisk til å begynne med, men kom etter at Zhang produserte mange eksempler der de to foregående teoriene ikke passet med observasjoner og den nye teorien gjorde det. Zhang så faktisk på dataene fra to dusin tidligere artikler som rapporterte oppdagelsen av eksoplaneter gjennom mikrolinsing og fant at i alle tilfeller passet den nye teorien dataene bedre enn de tidligere teoriene.

“Folk så disse mikrolinse-hendelsene, som faktisk viste denne nye degenerasjonen, men skjønte det bare ikke,” sa Gaudi. “Det var egentlig bare maskinlæring ser på tusenvis av hendelser der det ble umulig å gå glipp av.”

Zhang og Gaudi har sendt inn en nytt papir som grundig beskriver den nye matematikken basert på generell relativitetsteori og utforsker teorien i mikrolinsesituasjoner der mer enn én eksoplanet går i bane rundt en stjerne.

Den nye teorien gjør teknisk tolkning av mikrolinseobservasjoner mer tvetydig, siden det er mer degenererte løsninger for å beskrive observasjonene. Men teorien viser også tydelig at det å observere det samme mikrolinsing hendelse fra to perspektiver – fra Jorden og fra banen til det romerske romteleskopet, for eksempel – vil gjøre det lettere å finne de riktige banene og massene. Det er det astronomer for tiden planlegger å gjøre, sa Gaudi.

“AIen foreslo en måte å se på linseligningen i et nytt lys og avdekke noe virkelig dypt ved matematikken i den,” sa Bloom. “AI fremstår på en måte som ikke bare denne typen stumpe verktøy som er i verktøykassen vår, men som noe som faktisk er ganske smart. Sammen med en ekspert som Keming, var de to i stand til å gjøre noe ganske grunnleggende.”


Ny eksoplanet under Jupiter-masse oppdaget av astronomer


Mer informasjon:
Keming Zhang et al, En allestedsnærværende samlende degenerasjon i mikrolinsesystemer med to kropper, Natur astronomi (2022). DOI: 10.1038 / s41550-022-01671-6

Sitering: AI avslører uventet matematisk underliggende søk etter eksoplaneter (2022, 24. mai) hentet 24. mai 2022 fra https://phys.org/news/2022-05-ai-reveals-unsuspected-math-underlying.html

Dette dokumentet er underlagt opphavsrett. Bortsett fra enhver rettferdig handel med formålet med private studier eller forskning, kan ingen del reproduseres uten skriftlig tillatelse. Innholdet er kun gitt for informasjonsformål.