Вчені використали штучний інтелект у вигляді фізично інформованих нейромереж, аби змоделювати взаємодію світла з атмосферами екзопланет. Очікується, що це дозволить краще проводити їхній спектральний аналіз та дізнаватися більше подробиць про хімічні речовини, які там містяться.
Необхідність розрахунку атмосферних моделей екзопланет
Дослідники з LMU, Кластеру передового досвіду ORIGINS, Інституту позаземної фізики Макса Планка (MPE) та Лабораторії науки про дані ORIGINS (ODSL) зробили важливий прорив в аналізі атмосфер екзопланет.
Використовуючи фізично інформовані нейронні мережі (PINN), їм вдалося змоделювати складне розсіювання світла в атмосферах екзопланет із більшою точністю, ніж це було можливо раніше. Цей метод відкриває нові можливості для аналізу атмосфер екзопланет, особливо з урахуванням впливу хмар, і може значно покращити наше розуміння цих далеких світів.
Коли далекі екзопланети проходять перед своєю зорею, вони блокують невелику частину зоряного світла, тоді як ще менша частина проникає в атмосферу планети. Ця взаємодія призводить до змін у світловому спектрі, які відображають властивості атмосфери, такі як хімічний склад, температура і хмарний покрив.
Однак, щоб мати змогу аналізувати ці виміряні спектри, вченим потрібні моделі, які здатні за короткий час розрахувати мільйони синтетичних спектрів. Лише згодом порівнюючи розраховані спектри з виміряними, ми отримуємо інформацію про склад атмосфери спостережуваних екзопланет. Навіть більше, нові високодетальні спостереження, що надходять із космічного телескопа James Webb, потребують не менш детальних і складних атмосферних моделей.
Швидке розв’язання складних рівнянь завдяки штучному інтелекту
Ключовим аспектом дослідження екзопланет є розсіювання світла в атмосфері, особливо розсіювання від хмар. Попередні моделі не могли задовільно врахувати це розсіювання, що призводило до неточностей у спектральному аналізі.
Фізичко-інформовані нейронні мережі пропонують тут вирішальну перевагу, оскільки вони здатні ефективно розв’язувати складні рівняння. У щойно опублікованому дослідженні вчені навчили дві такі мережі. Перша модель, яка була розроблена без урахування розсіювання світла, продемонструвала виняткову точність із відносною похибкою переважно менш ніж 1%.
Друга модель включала апроксимації так званого релеївського розсіювання — того самого ефекту, завдяки якому небо здається блакитним на Землі. Хоча ці апроксимації потребують подальшого вдосконалення, нейромережа змогла розв’язати складне рівняння, що є важливим досягненням.
Міждисциплінарна співпраця
Ці нові результати стали можливими завдяки унікальній міждисциплінарній співпраці між фізиками з Мюнхенського технічного університету, Кластера передового досвіду ORIGINS, Інституту фізики позаземних тіл Макса Планка (MPE) та Лабораторії науки про дані ORIGINS (ODSL), яка спеціалізується на розробці нових методів на основі штучного інтелекту у фізиці.
«Ця синергія не тільки сприяє дослідженню екзопланет, а й відкриває нові горизонти для розвитку методів штучного інтелекту у фізиці», — пояснює провідний автор дослідження Девід Дальбюддінг із LMU.
«У майбутньому ми хочемо ще більше розширити нашу міждисциплінарну співпрацю, щоб моделювати розсіювання світла від хмар із більшою точністю і таким чином повною мірою використовувати потенціал нейронних мереж».
За матеріалами phys.org