Ученые использовали искусственный интеллект в виде физически информированных нейросетей, чтобы смоделировать взаимодействие света с атмосферами экзопланет. Ожидается, что это позволит лучше проводить их спектральный анализ и узнавать больше подробностей об имеющихся там химических веществах.
Необходимость расчета атмосферных моделей экзопланет
Исследователи из LMU, Кластера передового опыта ORIGINS, Института внеземной физики Макса Планка (MPE) и Лаборатории науки о данных ORIGINS (ODSL) совершили важный прорыв в анализе атмосфер экзопланет.
Используя физически информированные нейронные сети (PINN), им удалось смоделировать сложное рассеяние света в атмосферах экзопланет с большей точностью, чем это было возможно раньше. Этот метод открывает новые возможности для анализа атмосфер экзопланет, особенно с учетом влияния облаков, и может значительно улучшить наше понимание этих далеких миров.
Когда дальние экзопланеты проходят перед своей звездой, они блокируют небольшую часть звездного света, в то время как еще меньшая часть проникает в атмосферу планеты. Это взаимодействие приводит к изменениям в световом спектре, отражающим свойства атмосферы, такие как химический состав, температура и облачный покров.
Однако, чтобы анализировать эти измеренные спектры, ученым нужны модели, которые способны за короткое время рассчитать миллионы синтетических спектров. Лишь сопоставляя рассчитанные спектры с измеренными, мы получаем информацию о составе атмосферы наблюдаемых экзопланет. Более того, новые высокодетальные наблюдения, поступающие с космического телескопа James Webb, нуждаются в не менее детальных и сложных атмосферных моделях.
Быстрое решение сложных уравнений благодаря искусственному интеллекту
Ключевым аспектом исследования экзопланет является рассеяние света в атмосфере, особенно рассеяние облаков. Предыдущие модели не могли удовлетворить это рассеяние, что приводило к неточностям в спектральном анализе.
Физически информированные нейронные сети предлагают решающее преимущество, поскольку они способны эффективно решать сложные уравнения. В недавно опубликованном исследовании ученые научили две такие сети. Первая модель, разработанная без учета рассеяния света, продемонстрировала поразительную точность с относительной погрешностью преимущественно менее 1%.
Вторая модель включала аппроксимацию так называемого релеевского рассеяния — того же эффекта, благодаря которому небо кажется голубым на Земле. Хотя эти аппроксимации нуждаются в дальнейшем совершенствовании, нейросеть смогла решить сложное уравнение, что является важным достижением.
Междисциплинарное сотрудничество
Эти новые результаты стали возможны благодаря уникальному междисциплинарному сотрудничеству между физиками из Мюнхенского технического университета, Кластера передового опыта ORIGINS, Института физики внеземных тел Макса Планка (MPE) и Лаборатории науки о данных ORIGINS (ODSL), которая специализируется на разработке в физике.
«Эта синергия не только способствует исследованию экзопланет, но и открывает новые горизонты для развития методов искусственного интеллекта в физике», — объясняет ведущий автор исследования Дэвид Дальбюддинг из LMU.
«В будущем мы хотим еще больше расширить наше междисциплинарное сотрудничество, чтобы моделировать рассеяние света от облаков с большей точностью и таким образом в полной мере использовать потенциал нейронных сетей».
По материалам phys.org
