Nauka dla Społeczeństwa

23.04.2024
PL EN
27.04.2018 aktualizacja 27.04.2018

Samouczące się algorytmy pomagają w badaniach planet w układach podwójnych

Artystyczna wizja planety Kepler-16 b okrążającej układ dwóch gwiazd.  Źródło: T. Pyle / NASA / JPL-Caltech. Artystyczna wizja planety Kepler-16 b okrążającej układ dwóch gwiazd. Źródło: T. Pyle / NASA / JPL-Caltech.

Planety z dwoma słońcami, takie jak Tatooine z „Gwiezdnych wojen” – na ile są zdolne do przetrwania na stabilnych orbitach? Naukowcy zastosowali samouczące się sieci neuronowe, aby lepiej przewidywać stabilność orbit takich planet – informuje brytyjskie Królewskie Towarzystwo Astronomiczne.

Planety w układach podwójnych gwiazd mogą okrążać jednocześnie obie gwiazdy, a nie tylko z jedną z nich. Odkryto ich już dziesiątki, ale naukowcy wciąż nie są pewni, na ile stabilne są takie orbity planet i czy mogą na nich panować warunki umożliwiające życie. Fikcyjnym przykładem takiej planety jest Tatooine, gdzie wychowywał się Anakin Skywalker i Luke Skywalker, jedni z bohaterów „Gwiezdnych wojen”.

Poruszanie się planety po orbicie wokół dwóch gwiazd może prowadzić do dużych zmian orbity. Może być łatwo wyrzucona z układu albo spaść na jedną z gwiazd. Tradycyjny sposób obliczania orbit nie zawsze daje poprawną odpowiedź co do losów planety w takim układzie, gdyż ma problemy z tzw. wyspami niestabilności. Tymczasem pytanie o stabilność orbity jest kluczowe przy rozważaniach o możliwym życiu na planecie, bowiem do jego wyewoluowania potrzebne są miliardy lat.

„Gdy symulowaliśmy miliony możliwych planet o różnych orbitach przy pomocy metod tradycyjnych, bywało, że planety były wskazywane jako stabilne w sytuacjach, w których oczywistym było, że takie nie są i na odwrót” tłumaczy Chris Lam z Columbia University, który razem z prof. Davidem Kippingiem opublikował wyniki swoich badań.

Naukowcy wygenerowali 10 milionów hipotetycznych planet o różnych orbitach w układach podwójnych gwiazd i wykonali symulacje dla każdej z nich w celu przetestowania stabilności orbit. Po kilku godzinach samoucząca się sieć neuronowa (jej rodzaj zwany „deep neural network” - DNN) była w stanie osiągnąć lepszą dokładność, niż modele z tradycyjnym podejściem do zagadnienia.

Badacze mają nadzieję, że ich praca pomoże ustalić jakie obszary są najlepsze do poszukiwania planet wokół gwiazd podwójnych, których możemy wkrótce znać dużo więcej w związku ze startem nowego kosmicznego teleskopu NASA do poszukiwania planet pozasłonecznych, nazwanego TESS.

Wyniki badań opublikowano w czasopiśmie naukowym „Monthly Notices of the Royal Astronomical Society” wydawanym przez Królewskie Towarzystwo Astronomiczne.

cza/ zan/

Przed dodaniem komentarza prosimy o zapoznanie z Regulaminem forum serwisu Nauka w Polsce.

Copyright © Fundacja PAP 2024