24.09.2024

Künstliche Intelligenz rückt Exoplaneten in ein neues Licht

Mit Hilfe physikalisch trainierter neuronaler Netze gelang die Modellierung der komplexen Lichtstreuung in den Atmosphären von Exoplaneten.

Bei der Analyse von Exoplaneten-Atmosphären ist Forschern des Exzellenzclusters Origins in Zusammenarbeit mit weiteren Instituten ein wichtiger Durchbruch gelungen. Mit Hilfe physikalisch trainierter neuronaler Netze konnten die Wissenschaftler die komplexe Lichtstreuung in den Atmosphären von Exoplaneten genauer als bisher möglich modellieren. Die Methode eröffnet neue Möglichkeiten für die Analyse von Exoplaneten-Atmosphären, insbesondere im Hinblick auf den Einfluss von Wolken, und könnte unser Verständnis dieser fernen Welten erheblich verbessern.

Abb.: Künstlerische Darstellung eines Exoplaneten vor seinem Zentralgestirn.
Abb.: Künstlerische Darstellung eines Exoplaneten vor seinem Zentralgestirn.
Quelle: D. Dahlbüdding et al. / DALL-E

Wenn weit entfernte Exoplaneten vor ihrem Zentralstern vorbeiziehen, blockieren sie einen kleinen Teil des Sternenlichts, während ein noch kleinerer Teil durch die Planetenatmosphäre dringt. Diese Wechselwirkung führt zu Variationen im Lichtspektrum, die die Eigenschaften der Atmosphäre wie chemische Zusammensetzung, Temperatur und Wolkenbedeckung widerspiegeln. Um diese gemessenen Spektren analysieren zu können, benötigen die Wissenschaftler jedoch Modelle, die in der Lage sind, Millionen synthetischer Spektren in kurzer Zeit zu berechnen. Erst der anschließende Vergleich der berechneten mit dem gemessenen Spektrum, gibt Aufschluss über die Atmosphären-Zusammensetzung des beobachteten Exoplaneten. Gerade mit den neuen detaillierten Beobachtungen des James Webb Space Telescope werden ebenso detaillierte und komplexe Atmosphärenmodelle benötigt.

Ein zentraler Aspekt der Exoplanetenforschung ist die Lichtstreuung in der Atmosphäre, insbesondere an Wolken. Bisherige Modelle konnten diese Streuung nur unzureichend erfassen, was zu Ungenauigkeiten in der Spektralanalyse führte. Physikalisch trainierte neuronale Netze bieten hier einen entscheidenden Vorteil, da sie in der Lage sind, komplexe Gleichungen effizient zu lösen. In ihrer Studie haben die Forscher zwei solcher Netze trainiert. Das erste Modell, das ohne Berücksichtigung der Lichtstreuung entwickelt wurde, zeigte eine beeindruckende Genauigkeit mit relativen Fehlern von meist unter einem Prozent. Das zweite Modell integrierte Näherungen für die Rayleigh-Streuung – jener Effekt, der auf der Erde den Himmel blau erscheinen lässt. Obwohl diese Näherungen noch verbessert werden müssen, war das neuronale Netz in der Lage, die komplexe Gleichung zu lösen, was einen wichtigen Fortschritt darstellt.

Origins / RK

Sonderhefte

Physics' Best und Best of
Sonderausgaben

Physics' Best und Best of

Die Sonder­ausgaben präsentieren kompakt und übersichtlich neue Produkt­informationen und ihre Anwendungen und bieten für Nutzer wie Unternehmen ein zusätzliches Forum.

Weiterbildung

Weiterbildungen im Bereich Quantentechnologie
TUM INSTITUTE FOR LIFELONG LEARNING

Weiterbildungen im Bereich Quantentechnologie

Vom eintägigen Überblickskurs bis hin zum Deep Dive in die Technologie: für Fach- & Führungskräfte unterschiedlichster Branchen.

Meist gelesen

Themen