在哪里找到下一个地球：机器学习加速了寻找可居住的行星
作者：by University of Bern
伯尔尼大学和国家研究能力中心（NCCR）行星的一个团队开发了一种机器学习模型，该模型可以预测具有类似地球行星的潜在行星系统。该模型可能会大大加速，从而彻底改变未来对宇宙行星的寻找。
在当今行星研究中，寻找类似地球的外球星星行星绕着我们的太阳旋转的恒星是一个核心话题，因为外星人最有可能在那里找到。伯尔尼大学的研究人员现在已经开发了一种创新的机器学习模型这确定了可能藏有地球行星的行星系统。
调查结果背后的整个团队都是或在研究时与伯尔尼大学和NCCR行星成员有关的。第一作者，珍妮·达沃尔特（Jeanne Davoult）博士，现在是DLR的博士后研究员（Deutsches Zentrumfã¼rluft- und raumfahrt）在柏林研究，研究了系式人群，并开发了该模型，作为她在太空研究和行星科学系（WP）的博士学位论文的一部分（WP）的物理学学院。
太空与居住性中心（CSH）的联合主任Yann Alibert博士和Romain Eltschinger，也是博士学位。CSH的学生为这项研究做出了重大贡献，这只是出版在日记中天文学和天体物理学。
通过伯尔尼模型的数据培训
机器学习模型是一种统计工具，该工具经过数据训练以识别某些类型的模式并做出预测。达沃尔特博士解释说：“我们的模型是基于我开发的算法，并且经过训练，可以识别和分类具有地球般的行星的行星系统。”
该模型基于先前的研究，以推断存在或不存在类似地球的行星及其系统特性之间的相关性。
对算法进行了训练和测试，并从所谓的行星形成和进化的伯尔尼尔模型中进行了测试。合着者Alibert博士解释说：“伯尔尼（Bern）模型可用于发表有关行星的形成方式，它们的进化方式以及在特定条件下在原始磁盘中发展哪些类型的行星的陈述。”
自2003年以来，伯尔尼大学（Bern University of Bern）不断开发伯尔尼（Bern）模型。“伯尔尼模型是全球唯一提供如此丰富相互关联的模型之一物理过程并使当前的研究能够进行，”阿里伯特博士继续说道。
新模型的精度为99％
新机器学习模型的算法使用伯尔尼模型的合成行星系统的数据训练和测试。Davoult博士说：“结果令人印象深刻：该算法达到了高达0.99的精确值，这意味着机器学习模型确定的99％的系统至少具有一个类似地球的星球。”
然后将模型应用于实际观察到的行星系统。Davoult博士解释说：“该模型确定了44个系统，这些系统极有可能藏有未发现的地球样行星。一项进一步的研究证实了这些系统可以容纳类似地球的行星的理论可能性。”
更有效地寻找可居住的星球
作为他硕士论文的一部分，该研究的共同作者Eltschinger为机器学习模型的进一步发展做出了贡献，从而可以在更广泛的场景中使用。
他说：“这些结果对科学界，尤其是对于未来的太空任务，例如柏拉图或未来的使命概念，例如生命，这将致力于发现和表征小型寒冷的行星。”
使用此机器学习模型更专门搜索类似地球的行星可以最大程度地减少搜索时间并最大化发现的数量。阿里伯特博士总结道：“这是寻找有利于生命条件的行星的重要一步，最终，在寻找宇宙中的生命方面。”
更多信息：Jeanne Davoult等人，类似地球的星球预测指标：一种机器学习方法，天文学和天体物理学（2025）。doi：10.1051/0004-6361/202452434
引用：在哪里找到下一个地球：机器学习加速了寻找可居住的行星（2025年4月9日）检索2025年4月10日摘自https://phys.org/news/2025-04--earth-machine-habiate-planets.html
该文档具有版权。除了为私人研究或研究目的的任何公平交易外，没有未经书面许可，可以复制部分。内容仅用于信息目的。
关于《在哪里找到下一个地球：机器学习加速了寻找可居住的行星》的评论
暂无评论