Umjetna inteligencija donosi novu perspektivu na egzoplanete

U posljednje vrijeme, napredak u znanosti o egzoplanetima dobiva novu dimenziju zahvaljujući umjetnoj inteligenciji (UI). Jedno od ključnih pitanja u ovom području je analiza atmosfere ovih udaljenih svjetova, čime znanstvenici dobivaju uvid u njihov sastav, temperaturu i druge važne karakteristike.

Timovi s vodećih institucija poput Sveučilišta Ludwig Maximilian (LMU) i Instituta Max Planck razvili su novu metodu koja koristi neuronske mreže vođene fizikalnim zakonima (PINN). Ova inovativna tehnika omogućava preciznije modeliranje svjetlosti koja prolazi kroz atmosfere egzoplaneta, što bi moglo značajno unaprijediti naše razumijevanje ovih svemirskih objekata.

---

Znanstvenici sa Sveučilišta Ludwig Maximilian (LMU), Centra izvrsnosti ORIGINS, Instituta Max Planck za izvanrednu fiziku (MPE) i Laboratorija ORIGINS za znanost podataka (ODSL) postigli su važan napredak u analizi atmosfere egzoplaneta. Korištenjem neuronskih mreža vođenih fizikalnim zakonima (PINN), uspjeli su s većom preciznošću nego ikada prije modelirati složene procese raspršenja svjetlosti u atmosferama egzoplaneta. Ova metoda otvara nove mogućnosti za analizu atmosfera egzoplaneta, posebice u smislu utjecaja oblaka, te bi mogla značajno unaprijediti naše razumijevanje ovih udaljenih svjetova.

Analiza spektra egzoplaneta

Kada udaljeni egzoplaneti prolaze ispred svoje zvijezde, blokiraju mali dio zvjezdane svjetlosti, dok još manji dio te svjetlosti prolazi kroz njihovu atmosferu. Ta interakcija dovodi do varijacija u svjetlosnom spektru, koje odražavaju svojstva atmosfere, poput kemijskog sastava, temperature i pokrivenosti oblacima. Kako bi znanstvenici analizirali te mjerene spektre, potrebni su modeli sposobni brzo izračunati milijune sintetičkih spektara. Usporedbom tih izračunatih spektara s promatranjima, dobivamo vrijedne informacije o sastavu atmosfere egzoplaneta. Posebno s dolaskom novih, detaljnih podataka sa Svemirskog teleskopa James Webb (JWST), potrebni su jednako detaljni i složeni modeli atmosfere.

Brzo rješavanje složenih jednadžbi zahvaljujući umjetnoj inteligenciji

Ključan aspekt istraživanja egzoplaneta je raspršenje svjetlosti u atmosferi, posebno na oblacima. Raniji modeli nisu uspijevali precizno obraditi procese raspršenja svjetlosti, što je rezultiralo netočnim analizama spektra. Neuronske mreže vođene fizikalnim zakonima donose ključnu prednost jer mogu učinkovito rješavati složene jednadžbe. U nedavno objavljenom istraživanju, znanstvenici su trenirali dvije takve mreže. Prvi model, koji nije uzimao u obzir raspršenje svjetlosti, pokazao je zavidnu preciznost s relativnim pogreškama manjim od 1%. Drugi model uključio je aproksimacije takozvanog Rayleighovog raspršenja — istog efekta zbog kojeg je nebo na Zemlji plavo. Iako te aproksimacije zahtijevaju dodatna poboljšanja, neuronska mreža je uspješno riješila složene jednadžbe, što predstavlja značajan napredak

Razvoj novih metoda

Ova su nova otkrića postignuta zahvaljujući jedinstvenoj interdisciplinarnoj suradnji fizičara sa Sveučilišta LMU, Centra izvrsnosti ORIGINS, Instituta Max Planck za izvanrednu fiziku i Laboratorija ORIGINS za znanost podataka, specijaliziranog za razvoj novih UI metoda u fizici. “Ova sinergija ne samo da unapređuje istraživanje egzoplaneta, već otvara nove horizonte za razvoj metoda umjetne inteligencije u fizici,” objašnjava David Dahlbüdding sa Sveučilišta LMU, vodeći autor studije. “Planiramo dodatno proširiti našu interdisciplinarnu suradnju kako bismo preciznije simulirali raspršenje svjetlosti na oblacima i time u potpunosti iskoristili potencijal neuronskih mreža.”