octobre 6, 2022

7seizh

Dernières nouvelles et nouvelles du monde de 7 Seizh sur les affaires, les sports et la culture. Nouvelles vidéo. Nouvelles des États-Unis, d'Europe, d'Asie-Pacifique, d'Afrique, du Moyen-Orient, d'Amérique.

L’apprentissage automatique sera l’un des meilleurs moyens d’identifier les exoplanètes habitables

Vue d’artiste d’un système multi-planétaire avec trois transits. crédit : Nasa

Le domaine des études sur les planètes extrasolaires est en pleine mutation. À ce jour, 4 940 exoplanètes ont été confirmées dans 3 711 systèmes planétaires, avec 8 709 autres candidats en attente de confirmation. Avec autant de planètes disponibles pour l’étude et les améliorations de la sensibilité des télescopes et de l’analyse des données, l’accent passe de la découverte à la caractérisation. Plutôt que de simplement rechercher d’autres planètes, les astrobiologistes examineront les mondes « potentiellement habitables » à la recherche d’éventuelles « empreintes digitales biologiques ».


Il s’agit des signatures chimiques associées à la vie et aux processus biologiques, dont les plus importantes sont l’eau. En tant que seul solvant connu sans lequel la vie (telle que nous la connaissons) ne peut exister, l’eau est la baguette divine pour la création de la vie. Dans une étude récente, les astrophysiciens Dang Pham et Lisa Kaltenegger démontrent comment les futures enquêtes (lorsqu’elles sont combinées avec l’apprentissage automatique) peuvent caractériser la présence d’eau, de neige et de nuages ​​sur des exoplanètes lointaines.

Dang Pham est étudiant diplômé au Département d’astronomie et d’astrophysique David A. Dunlap de l’Université de Toronto, où il se spécialise dans la recherche sur la dynamique planétaire. Lisa Kaltenegger est professeure agrégée d’astronomie à l’Université Cornell, directrice de l’Institut Carl Sagan et experte mondiale de premier plan dans la modélisation de mondes potentiellement habitables et la caractérisation de leurs atmosphères.

L’eau est quelque chose dont dépend toute vie sur Terre, d’où son importance dans les relevés astronomiques et les exoplanètes. Comme Lisa Kaltenegger l’a dit à Universe Today par e-mail, cette importance se reflète dans la devise de la NASA – « Just Follow the Water » – qui a également inspiré le titre de leur article.

« L’eau liquide à la surface d’une planète est l’un des pistolets fumeux de la vie potentielle – je dis potentiel ici parce que nous ne savons pas de quoi d’autre nous avons besoin pour démarrer la vie. Mais l’eau liquide est un bon début. Nous avons donc utilisé la devise de la NASA de « Suivez simplement l’eau » et a demandé : « Comment pouvons-nous trouver de l’eau à la surface des exoplanètes rocheuses dans la zone habitable ? » Il faut beaucoup de temps pour effectuer la spectroscopie, nous recherchons donc un moyen plus rapide d’identifier provisoirement les planètes les plus prometteuses. -ceux avec de l’eau liquide sur eux. »

Pour l’instant, les astronomes se sont limités à rechercher l’absorption Lyman-alpha, qui indique la présence d’hydrogène gazeux dans l’atmosphère d’une exoplanète. Il s’agit d’un sous-produit de la vapeur d’eau dans l’atmosphère qui a été exposée aux rayons ultraviolets du soleil, l’amenant à se séparer chimiquement de l’hydrogène moléculaire et de l’oxygène (O).2) — qui se perd dans l’espace tandis que l’autre est préservé.

L'apprentissage automatique sera l'un des meilleurs moyens d'identifier les exoplanètes habitables

Cette vue d’artiste montre la planète en orbite autour de l’étoile semblable au soleil HD 85512 dans la constellation sud de Vela (Voile). Crédit : ESO

Cela est sur le point de changer, grâce aux télescopes de nouvelle génération tels que les télescopes James Webb (JWST) et les télescopes spatiaux romains de Nancy Grace (RST), ainsi qu’aux observatoires de nouvelle génération tels que le télescope spatial Origins, l’observatoire d’exoplanètes habitables (HabEx ), l’Ultraviolet Survey/Optical/Large Infrared (LUVOIR). Il existe également des télescopes au sol tels que l’Extremely Large Telescope (ELT), le Giant Magellan Telescope (GMT) et le Thirty Meter Telescope (TMT).

Avec ses grands miroirs primaires et sa gamme avancée de spectrographes, chronographes, optique adaptativeCes instruments pourront réaliser des études d’imagerie directe des exoplanètes. Celle-ci consiste à étudier la lumière réfléchie directement par l’atmosphère ou la surface d’une exoplanète pour obtenir des spectres, permettant aux astronomes de voir quels éléments chimiques sont présents. Mais comme ils le soulignent dans leur article, il s’agit d’un processus qui prend du temps.

Les astronomes commencent par observer des milliers d’étoiles pour des baisses périodiques de luminosité, puis analysent leurs courbes de lumière pour des signes de signaux chimiques. Actuellement, les chercheurs sur les exoplanètes et les astrobiologistes s’appuient sur Passionnés d’astronomie et des algorithmes machines pour trier les volumes de données obtenus par les télescopes. En regardant vers l’avenir, Pham et Caltenegger démontrent l’importance d’un apprentissage automatique plus avancé.

Comme ils le soulignent, les techniques ML permettront aux astronomes de faire plus rapidement les caractérisations initiales des exoplanètes, permettant aux astronomes de hiérarchiser les cibles pour les observations ultérieures. En « suivant l’eau », les astronomes pourront allouer une plus grande partie du précieux temps d’observation de l’observatoire aux exoplanètes susceptibles de fournir des rendements significatifs.

« La prochaine génération de télescopes cherchera de la vapeur d’eau dans l’atmosphère de la planète et de l’eau à la surface des planètes », a déclaré Kaltenegger. « Bien sûr, pour trouver de l’eau à la surface des planètes, il faut chercher [for water in its] sous forme liquide, solide et gazeuse, comme nous l’avons fait dans notre article.

« L’apprentissage automatique nous permet de sélectionner rapidement des filtres optimaux, ainsi que des compromis de précision avec différents rapports signal sur bruit », a ajouté Pham. Dans la première tâche, en utilisant [the open-source algorithm] XGBoost, nous avons obtenu une note des filtres les plus utiles pour l’algorithme dans ses tâches de détection d’eau, de neige ou de nuages. Dans la deuxième tâche, nous pouvons observer à quel point l’algorithme fonctionne avec moins de bruit. Avec cela, nous pouvons tracer une ligne où obtenir plus de signal ne correspondra pas à une bien meilleure résolution. « 

L'apprentissage automatique sera l'un des meilleurs moyens d'identifier les exoplanètes habitables

Illustration d’artiste de l’exoplanète HR8799e, photographiée en direct avec l’instrument GRAVITY sur l’interféromètre Very Large Telescope de l’ESO. Crédit : ESO/L. Calsada

Pour s’assurer que leur algorithme était à la hauteur de la tâche, Pham et Caltenegger ont effectué un gros étalonnage. Cela consistait à générer 53 130 profils spectraux de la Terre froide avec différentes composantes de surface – y compris la neige, l’eau et les nuages ​​d’eau. Ils ont ensuite simulé les spectres de ces eaux en termes d’atmosphère, de réflexion de surface et de profils de couleurs personnalisés. Comme Pham l’a expliqué :

« L’atmosphère est modélisée avec Exo-Prime2 – Exo-Prime2 a été validé contre la Terre dans diverses missions. La réflectivité des surfaces telles que la neige et l’eau sur Terre est mesurée par l’USGS. Nous créons ensuite des couleurs à partir de ces spectres. Nous formons XGBoost sur ces couleurs Pour réaliser trois objectifs distincts : détecter la présence d’eau, la présence de nuages ​​et la présence de neige.

Le formateur XGBoost a montré qu’il est plus facile d’identifier les nuages ​​et la neige que l’eau, ce qui est normal car les nuages ​​et la neige ont un albédo beaucoup plus élevé (une plus grande réflexion de la lumière du soleil) que l’eau. Ils ont en outre identifié cinq filtres parfaits qui fonctionnaient très bien pour l’algorithme, tous d’une largeur de 0,2 μm et dans la plage de la lumière visible. La dernière étape consistait à faire une évaluation probabiliste factice pour évaluer leur modèle de planète par rapport à eau liquideet la neige et les nuages ​​de l’ensemble des cinq filtres optimaux qu’ils ont identifiés.

« Enfin nous [performed] Analyse sommaire bayésienne utilisant Markov-Chain Monte Carlo (MCMC) pour effectuer la même tâche sur les cinq filtres optimaux, comme nonapprentissage automatique Une façon de valider nos découvertes, a déclaré Pham. « Nos découvertes là-bas sont similaires : l’eau est difficile à détecter, mais l’identification de l’eau, de la neige et des nuages ​​par photométrie est faisable. »

De même, ils ont été surpris de voir à quel point XGBoost bien entraîné pouvait reconnaître l’eau à la surface des planètes rocheuses en se basant uniquement sur la couleur. Selon Kaltenegger, ce sont vraiment des filtres : un moyen de séparer la lumière dans des « boîtes » secrètes. « Imaginez un conteneur pour toute la lumière rouge (le filtre ‘rouge’), puis un conteneur pour toute la lumière verte, du vert clair au vert foncé (le filtre ‘vert’) », a-t-elle déclaré.

Leur méthode proposée ne localise pas l’eau dans l’atmosphère d’une exoplanète mais à la surface d’une exoplanète par photométrie. De plus, il ne fonctionnera pas avec la méthode de transit (également connue sous le nom de photométrie de transit), qui est actuellement la méthode la plus utilisée et la plus efficace pour détecter les exoplanètes. Cette méthode consiste à ce que des étoiles distantes observent des baisses périodiques de luminosité attribuées à des exoplanètes passant devant l’étoile (également appelées transits) par rapport à l’observateur.

Parfois, les astronomes peuvent obtenir des spectres de l’atmosphère d’une exoplanète lors de son transit – un processus connu sous le nom de « spectroscopie transitoire ». Lorsque la lumière du soleil traverse l’atmosphère d’une exoplanète par rapport à l’observateur, les astronomes l’analyseront avec des spectromètres pour déterminer quels produits chimiques y sont présents. À l’aide d’optiques sensibles et de spectrophotomètres à matrice, JWST s’appuiera sur cette méthode pour la caractérisation planète extrasolaire ambiance.


Technique pour trouver des océans dans d’autres mondes


Plus d’information:
Dang Pham, Lisa Kaltenegger, Suivez l’eau : trouver de l’eau, de la neige et des nuages ​​sur des exoplanètes terrestres à l’aide de la photométrie et de l’apprentissage automatique. arXiv : 2203.04201v1 [astro-ph.EP]Et le doi.org/10.48550/arXiv.2203.04201

Introduction de
univers aujourd’hui

la citation: L’apprentissage automatique sera l’un des meilleurs moyens d’identifier les exoplanètes habitables (21 mars 2022), récupéré le 21 mars 2022 sur https://phys.org/news/2022-03-machine-ways-habitable-exoplanets.html

Ce document est soumis au droit d’auteur. Nonobstant toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre informatif uniquement.

READ  Veille d'astéroïdes : Ouf ! Un astéroïde au potentiel destructeur énorme vient de se produire devant la Terre aujourd'hui