پرش به محتوای اصلی

دانشمندان تابش خیره کننده تصویر تلسکوپ جیمز وب را حذف کردند - و نقاب یک سیاره پنهان را آشکار کردند.

لایو‌ساینس۱۴۰۵ آبان ۱۵, جمعه، ساعت ۱۵:۰۰حدود 3 دقیقه مطالعه

اخترشناسان با استفاده از یادگیری ماشینی، روش جدیدی برای مشاهده داده های تلسکوپ جیمز وب ایجاد کردند که به سیارات دوردست اجازه می دهد از تابش خیره کننده ستاره خود بیرون بیایند.

وقتی نوبت به رصد سیاره‌هایی می‌رسد که به دور ستاره‌های دور می‌چرخند، بزرگترین مانع اغلب جدا کردن سیگنال از نویز است – به‌ویژه تلاش برای تشخیص یک سیاره از تابش ستارگان اطراف آن. این حتی برای پیچیده ترین تلسکوپ ها، از جمله تلسکوپ فضایی جیمز وب (JWST) نیز صادق است.

اکنون، اخترشناسان روش جدیدی را برای شناسایی سیاراتی که قبلا در دریای نور غرق شده بودند، ابداع کرده اند. آنها با استفاده از ترکیبی از تکنیک‌های مدل‌سازی و یادگیری ماشین، سیاره فراخورشیدی غول‌پیکری را که قبلا پنهان شده بود در داده‌های JWST انتخاب کردند. نتایج در 4 نوامبر در مجله Nature منتشر شد.

رودریگو فرر چاوز، اخترشناس دانشگاه نورث وسترن، نویسنده اول مطالعه، در بیانیه ای گفت: سیارات یک میلیون بار کم نورتر از ستاره هایشان هستند. بنابراین، برای تصویربرداری از سیارات فراخورشیدی، باید این تابش خیره کننده را حذف کنیم.»

تلسکوپ‌هایی مانند JWST از ابزارهایی به نام تاج‌نگار استفاده می‌کنند تا مقداری از این نور اضافی را مسدود کنند، شبیه به روشی که ماه و دوربین سوراخ‌دار در طی یک خورشید گرفتگی کامل عمل می‌کنند. اما حتی بهترین تاج‌نگارها نیز محدودیت‌هایی دارند - به عنوان مثال، نمی‌توانند جلوی همه تابش نور را بگیرند و تلسکوپ‌ها خودشان حرکت می‌کنند.

حتی پایدارترین تلسکوپ‌ها در حین جمع‌آوری نور تقریبا به‌طور نامحسوس ارتعاش می‌کنند، بنابراین تصاویری که یک تلسکوپ تولید می‌کند، در مقایسه با آنچه که دستگاه واقعا می‌بیند، ناهماهنگی‌های بسیار جزئی دارند. این جابجایی‌های جزئی می‌تواند برای پنهان کردن سیارات فراخورشیدی بسیار بزرگ کافی باشد.

برای رفع این مشکل، فرر چاوز و تیمش یک "دوقلوی دیجیتالی" از JWST را توسعه دادند که عملا نحوه عبور نور از آشکارسازهای تلسکوپ را بازآفرینی می کند، منهای هر گونه نقص مبتنی بر حرکت. برای تنظیم دقیق این ماکت دیجیتال، محققان از مدل‌های محاسباتی مبتنی بر فیزیک دنیای واقعی در کنار تکنیک‌های یادگیری ماشینی مشابه آنچه برای آموزش هوش مصنوعی استفاده می‌شود، استفاده کردند. اما نویسندگان تاکید کردند که این یک مدل هوش مصنوعی نیست.

جیسون وانگ، یکی از نویسندگان این مطالعه، همچنین یک اخترفیزیکدان در نورث وسترن، در بیانیه‌ای گفت: «از آنجایی که ما قبلا فیزیک را می‌دانیم، برای درک آنچه اتفاق می‌افتد به هوش مصنوعی نیاز نداریم.

داستان های مرتبط

ستاره شناسان برای اولین بار سیگنال های رادیویی از یک سیاره فراخورشیدی را شناسایی کردند. هشدار اسپویلر: بیگانگان نیست.

"سیاره کودک" که به تازگی تایید شده است، جوانترین بیگانه ای است که دانشمندان جهان تا به حال کشف کرده اند

"کاملا هیجان انگیز است!": ستاره شناسان برای اولین بار جوی را در اطراف سیاره ای شبیه به زمین در منطقه قابل سکونت کشف کردند.

محققان رویکرد خود را آموزش مبتنی بر فیزیک برای سیارات تصویربرداری یا FLIP نامیدند.

این تیم با استفاده از FLIP، داده‌های سه ستاره، از جمله 51 Eridani را که در فاصله 97 سال نوری از زمین قرار دارد و قبلا مشکوک به داشتن یک سیاره فراخورشیدی غول‌پیکر در مدار آن بود، تجزیه و تحلیل کردند. اگرچه این سیاره به نام 51 Eridani b توسط تلسکوپ های زمینی شناسایی شده بود، اما در رصدهای قبلی JWST توسط نور غرق شد. با این حال، با FLIP، 51 Eridani b از مجموعه داده بیرون آمد.

دانشمندان امیدوارند این رویکرد به اخترشناسان کمک کند تا سیارات فراخورشیدی را که به سختی قابل تشخیص هستند، به ویژه سیاراتی که شبیه سیارات حیاط خلوت ما هستند، انتخاب کنند. در تاریخ تقریبا 35 ساله شکار سیارات فراخورشیدی، اکثریت قریب به اتفاق سیاراتی که ما پیدا کرده‌ایم با سیاراتی که در منظومه شمسی خودمان هستند کاملا متفاوت بوده‌اند، تا حدی به این دلیل که جهان‌های بزرگ‌تر و بازتابنده‌تر را با تلسکوپ‌های کنونی راحت‌تر می‌توان تشخیص داد.

فرر چاوز گفت: «اینطور نیست که [سیارات شبیه منظومه شمسی] وجود نداشته باشند. "این است که ما نمی توانیم آنها را ببینیم."

خواندن متن کامل در لایو‌ساینسبه زبان اصلی، در سایت ناشر باز می‌شود
متن اصلی (انگلیسی)

Scientists removed the glare from a James Webb telescope image — and unmasked a hidden planet

Using machine learning, astronomers developed a new way of looking at James Webb telescope data that allows far-off planets to emerge from their star's glare.

همه‌ی اخبار علم