Wo ist die nächste Erde?
Maschinelles Lernmodell identifiziert potenzielle Planetensysteme mit erdähnlichen Planeten.
Die Suche nach erdähnlichen Exoplaneten – Planeten, die andere Sterne als unsere Sonne umkreisen – ist ein zentrales Thema in der heutigen Planetenforschung, denn außerirdisches Leben wird am ehesten dort vermutet. Forscher der Uni Bern haben jetzt ein innovatives maschinelles Lernmodell entwickelt, das Planetensysteme identifiziert, die potenziell erdähnliche Planeten beherbergen könnten.
Weitere Nachrichten zum Thema
Späher für erdähnliche Planeten
Wie erdähnliche Planeten entstehen
Bislang „erdähnlichster“ Planet aufgespürt
Ein maschinelles Lernmodell ist ein statistisches Werkzeug, das mit Daten trainiert wird, um bestimmte Muster zu erkennen und Vorhersagen zu treffen. Das von dem Team entwickelte Modell basiert auf einem Algorithmus, der trainiert wurde, um Planetensysteme zu erkennen und zu klassifizieren, die erdähnliche Planeten beherbergen. Das Modell baut auf früheren Studien auf, um eine Korrelation zwischen dem Vorhandensein oder Nichtvorhandensein eines erdähnlichen Planeten und den Eigenschaften seines Planetensystems abzuleiten.
Der Algorithmus wurde mit Daten aus dem „Bern Model of Planet Formation and Evolution“ trainiert und getestet. „Mit dem Berner Modell lassen sich Aussagen darüber machen, wie Planeten entstanden sind, wie sie sich entwickelt haben und welche Arten von Planeten sich unter bestimmten Bedingungen in einer protoplanetaren Scheibe entwickeln“, erklärt Team-Mitglied Yann Alibert.
Seit 2003 wird das Berner Modell kontinuierlich weiterentwickelt. „Das Berner Modell ist eines der wenigen Modelle weltweit, das eine solche Fülle von zusammenhängenden physikalischen Prozessen bietet und die Durchführung einer Studie wie der vorliegenden ermöglicht“, so Alibert weiter.
Der Algorithmus des neuen maschinellen Lernmodells wurde anhand von Daten über synthetische Planetensysteme aus dem Berner Modell trainiert und getestet. Die Ergebnisse sind beeindruckend: Der Algorithmus erreicht Präzisionswerte von bis zu 0,99, was bedeutet, dass 99 Prozent der durch das maschinelle Lernmodell identifizierten Systeme mindestens einen erdähnlichen Planeten aufweisen.
Das Modell wurde dann auf tatsächlich beobachtete Planetensysteme angewandt. Das Modell identifizierte 44 Systeme, die mit hoher Wahrscheinlichkeit unentdeckte erdähnliche Planeten beherbergen. Eine weitere Studie bestätigte die theoretische Möglichkeit, dass diese Systeme einen erdähnlichen Planeten beherbergen.
Der Einsatz dieses maschinellen Lernmodells zur gezielteren Suche nach erdähnlichen Planeten könnte die Suchzeiten minimieren und die Zahl der Entdeckungen maximieren. „Das ist ein wichtiger Schritt bei der Suche nach Planeten mit günstigen Bedingungen für Leben und letztlich für die Suche nach Leben im Universum“, betont Alibert.
U. Bern / RK
