Den här konstnärens intryck visar flera av planeterna som kretsar kring den ultracoola röda dvärgstjärnan TRAPPIST-1. Kredit:ESO/M. Kornmesser
Med hjälp av en maskininlärningsteknik, ett team av Instituto de Astrofísica e Ciências do Espaço-forskare begränsade radien för en exoplanet med känd massa.
Solène Ulmer-Moll, en Ph.D. student vid vetenskapsfakulteten vid universitetet i Porto (FCUP), förklarar att detta resultat erhölls genom att använda kunskap från olika områden:"Detta nya sätt att förutsäga exoplanetradien är ett perfekt exempel på synergin mellan exoplanetvetenskap och maskininlärningsteknik."
För att karakterisera en planet, både dess massa och radie behövs för att hitta planetens densitet, och från det, att sluta sig till dess sammansättning. Men båda data är bara tillgängliga för ett minskat antal exoplaneter, eftersom massan ofta bestäms av radiella hastighetsmätningar, medan radien mäts med transitmetoden.
Teamet utvecklade en algoritm som exakt förutsäger radien för ett brett spektrum av exoplaneter, om flera andra planet- och stjärnparametrar är kända, inklusive exoplanetens massa och jämviktstemperatur. Solène Ulmer-Moll säger, "För de hundratals planeter som upptäckts med radialhastighetsmetoden, vi kan nu förutsäga deras radie. Vi kan då förstå om dessa exoplaneter är potentiellt steniga världar."
Sanna radier som en funktion av de förutsagda radierna för testuppsättningen. Kredit:Ulmer-Moll et al.
Än så länge, endast massan av en exoplanet har använts för att förutsäga dess radie, men teamet arbetar på att förändra detta paradigm genom att införliva andra planetariska och stjärnparametrar för att stärka deras förutsägelser.
Nuno Cardoso Santos (IA &FCUP) säger, "Detta arbete sätter samman expertisen i vårt team på ett vackert sätt, förena befintlig kunskap om exoplanetdetektering och karakterisering och statistisk analys av de detekterade systemen, med hjälp av moderna matematiska verktyg. Dessa är i huvudsak samma matematiska verktyg som nu leder till utvecklingen av autonoma bilar."
