• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • ARIEL exoplanet-uppdraget firar maskininlärningsutmaningen och lanseringen av medborgarvetenskap

    Dataanalys av rymduppdrag är inte lätt, speciellt om du behöver observera en planet som passerar framför sin stjärna som ofta är 100-tals ljusår bort. På sådant avstånd, en av huvudfrågorna är att skilja på vad som är planet och vad som är stjärna. Machine Learning ARIEL Data Challenge tacklade problemet med att identifiera och korrigera effekterna av fläckar på stjärnan från de svaga signalerna från exoplaneternas atmosfärer. Den här bilden visar en transitplanet som passerar framför en stjärna med stjärnfläckar. Kredit:ESO/L. Calçada

    ARIEL, ett ESA-uppdrag för att göra den första storskaliga undersökningen av exoplanetatmosfärer, har tillkännagett vinnarna av sin första internationella Machine Learning Data Challenge och har lanserat ett nytt projekt, ExoClocks, riktad till amatörastronomer och medborgarforskare.

    Vinnarna av Data Challenge, James Dawson (Team SpaceMeerkat), och Vadim Borisov (Team major_tom), tillkännagavs idag vid EPSC-DPS Joint Meeting 2019 i Genève. Paret toppade topplistan för tävlingen av 112 registrerade individer och lag. Datautmaningen, lanserades i april, tacklade problemet med att ta bort buller från exoplanetobservationer orsakat av stjärnfläckar och av instrumentering.

    Nikos Nikolaou från UCL Center for Exochemistry Data, vem som utformade tävlingen, sa, "Tävlingens resultat överträffade våra förväntningar, både när det gäller kvaliteten på de tekniska lösningar som lämnats in och det enorma antalet bidrag till utmaningen, som konkurrerade med deltagandet i öppna maskininlärningstävlingar med stora monetära priser."

    En särskild session hålls idag på EPSC-DPS 2019 för att presentera metoderna som används av de vinnande teamen för exoplanetforskargemenskapen, för att dela framsteg inom beräkningsstatistik och maskininlärning. De fem topprankade teamen har dessutom bjudits in att presentera sina lösningar vid European Conference on Machine Learning (ECML-PKDD 2019) på fredag. Deltagandet i båda konferenserna syftar till att utveckla närmare samarbeten mellan exoplanetforskare och maskininlärnings- och statistikgemenskaperna.

    När en planet korsar direkt mellan oss och sin stjärna, vi ser stjärnan dämpas något eftersom planeten blockerar en del av ljuset. Vi kan göra en plot som kallas en ljuskurva med stjärnans ljusstyrka kontra tid. Med hjälp av denna plot, vi kan se hur stor procentandel av stjärnans ljus planeten blockerar och hur lång tid det tar för planeten att korsa stjärnans skiva. Större planeter blockerar mer ljus. Kredit:NASA/Goddard Media Studios

    ARIEL har också lanserat projektet "ExoClock" för att samla in mätningar som kallas "ljuskurvor" som visar minskningen i intensitet när en planet passerar framför sin värdstjärna och blockerar en del av ljuset. När ARIEL påbörjar sitt uppdrag att observera 1000 exoplaneter 2028, den kommer att behöva ha exakt kunskap om den förväntade transittiden för varje planet som den observerar. Transiter kan mätas med små och medelstora teleskop och ge nyckelinformation om exoplaneterna, inklusive deras storlek, bana, massa och densitet. ExoClock syftar till att värva det betydande och aktiva amatörastronomisamhället runt om i världen för att samla ett stort antal ljuskurvobservationer och förbättra noggrannheten i transittider.

    "Detta är den första öppna utlysningen att gå med i ExoClock-projektet och vi uppmuntrar alla intresserade observatörer att bli en del av ESA:s ARIEL-uppdrag. Varje transitobservation är unik och viktig. Genom att delta i ExoClock, medborgare över hela världen kan bidra till framgången för ARIEL-uppdraget, sa Anastasia Kokori, som tillkännagav lanseringen av ExoClock vid EPSC-DPS 2019.

    ExoClock-plattformen inkluderar målprioritering och ett varningssystem för att maximera täckningen av exoplanetmål och effektiv användning av resurser. Användare får ett personligt schema baserat på deras teleskop och deras geografiska plats. De inlämnade ljuskurvorna kommer att analyseras, publiceras och krediteras på ExoClock-webbplatsen och kan bli en del av vetenskapliga publikationer.

    Artist’s impression of ARIEL on its way to Lagrange Point 2 (L2). Här, the spacecraft is shielded from the Sun and has a clear view of the whole sky. Credit:ARIEL space mission/Science Office

    Experienced observers can register directly at exoclock.space and get started. For observers that are new to exoplanet transits, training is provided through the ExoWorlds Spies project (exoworldsspies.com). All online resources are currently available free of charge in English and in Greek.

    Giovanna Tinetti, Principal Investigator for the ARIEL mission, said:"ARIEL is a challenging mission that's pushing the boundaries of exoplanet research. The Data Challenges and ExoClock project are enabling us to build a global community of collaborators with a diverse mix of skills and backgrounds. We look forward to working with them over the next few years to develop networks, tools and analysis techniques in preparation for the mission's launch in 2028."


    © Vetenskap https://sv.scienceaq.com