科学者たちが新しいAIシステムを使ってNASAデータから100個超の隠れた系外惑星を発見

"チームは、検出された現象の種類を判別できるようなデータ上のパターンを見つけるために機械学習モデルを訓練しました。AIモデルはこの種のことが得意です。RAVENは、信号の検出から、機械学習によるふるい分け、そして統計的な検証まで、エクソプラネット（太陽系外惑星）検出のプロセス全体を一気通貫で扱うよう設計されています。つまり、このプロセスの特定の部分にしか注目しない他の当時のツールよりも、追加の優位性があるということです……

"RAVENにより、巨大なデータセットを一貫して客観的に解析できます," と声明で、シニアチームメンバーでウォーリック大学の研究者デイヴィッド・アームストロング氏は述べました。"パイプラインが十分にテストされ、慎重に検証されているため、これは単なる潜在的な惑星のリストではありません。太陽のような恒星の周りに存在する、異なるタイプの惑星の出現頻度を地図にするためのサンプルとして用いるのに十分信頼できるのです。"

さらに、候補となる接近した惑星の内部では、研究者は惑星の種類とその母集団を詳細に特定できました。その結果、太陽のような恒星の約10%が接近した惑星を持つことがわかり、TESSのエクソプラネット探索の前身であるケプラーによるこれまでの発見が裏付けられました。

RAVENはまた、接近したネプチューンサイズの天体がどれほどまれかを研究者が判断するのにも役立ちました。その結果、そのような天体は太陽のような恒星のわずか0.08%の周りで見つかるだけであることが判明しました。これらの天体が、親星の近くに存在しないことは、天文学者たちによって「ネプチューンの砂漠」と呼ばれています。

"今回初めて、この『砂漠』がどれほど空っぽなのかを、正確な数として示すことができます," と声明で、ネプチューンの砂漠研究チームのリーダーでウォーリック大学のカイミング・チューイ氏は述べました。"これらの測定により、TESSが惑星集団を調べる点でケプラーに並び、場合によっては上回れることが示されています。"

RAVENの結果は、広大な天文学データの中をAIが探索することで、微細な効果を見つけ出せる力を示しています。"