Un outil d'IA valide plus de 100 nouvelles exoplanètes dans les données TESS de la NASA

Des chercheurs ont utilisé l'intelligence artificielle pour analyser les données TESS de la NASA, ce qui a abouti à la validation de plus de 100 nouvelles exoplanètes. Ce développement met en évidence le rôle croissant de l'apprentissage automatique dans l'identification et la confirmation des planètes au-delà du système solaire.

L'algorithme RAVEN, créé par une équipe de l'Université de Warwick, est conçu pour traiter et valider les candidats exoplanétaires en transit trouvés dans les observations TESS. Le système applique des modèles d'apprentissage automatique entraînés sur des données simulées pour classer les planètes potentielles et utilise des méthodes statistiques pour confirmer leur statut.

Le processus de RAVEN comprend la détection des signaux de transit avec un algorithme des moindres carrés en boîte, suivi de la classification et de la validation statistique. L'analyse a utilisé des images en pleine trame de TESS des secteurs 1 à 55, couvrant les quatre premières années de fonctionnement du satellite.

Ce que montrent les chiffres

• 118 exoplanètes ont été validées à l'aide de RAVEN, dont 31 nouvellement détectées dans cette analyse
• Plus de 2 000 candidats vérifiés ont été identifiés, dont environ 1 000 planètes à haute probabilité
• Les secteurs TESS 1–55, représentant quatre années de données, ont été utilisés dans l'étude

En plus des exoplanètes validées, le pipeline RAVEN a produit une liste de plus de 2 000 candidats qui n'ont pas encore été confirmés. Parmi ceux-ci, environ 1 000 sont considérés comme des candidats planétaires à haute probabilité sur la base de l'évaluation de l'algorithme.

Avant le développement de RAVEN, le Centre de recherche Ames de la NASA avait introduit le modèle d'IA ExoMiner, qui a identifié des milliers de candidats exoplanétaires à partir des données TESS et Kepler. ExoMiner a été responsable de la validation de 370 nouvelles exoplanètes de la mission Kepler, démontrant l'efficacité de l'intelligence artificielle dans ce domaine.

La couverture médiatique a rapporté que l'algorithme RAVEN a découvert plus de 100 nouvelles exoplanètes auparavant cachées dans les données TESS de la NASA. Ces découvertes ont été attribuées à l'application de l'IA développée à l'Université de Warwick.

L'utilisation d'outils d'apprentissage automatique comme RAVEN et ExoMiner élargit le catalogue des exoplanètes connues en traitant efficacement de grands volumes de données d'observation. Ces méthodes permettent aux chercheurs d'identifier et de valider des planètes qui pourraient autrement rester non détectées en utilisant des techniques traditionnelles.

À mesure que de plus en plus de données de TESS et d'autres missions deviennent disponibles, l'application continue de pipelines alimentés par l'IA devrait soutenir les efforts en cours pour découvrir et confirmer de nouvelles exoplanètes. Les résultats de RAVEN et d'outils similaires illustrent le potentiel de l'intelligence artificielle pour améliorer la recherche astronomique.

* Cet article est basé sur des informations publiquement disponibles au moment de la rédaction.