همشهری آنلاین، فرخنده رفائی: یکی از دشواریهای بزرگ در جستوجوی سیارههای خارج از منظومه شمسی، نور بسیار زیاد ستارههایی است که این سیارهها به دور آنها میچرخند. درخشش ستاره میزبان گاهی آنقدر شدید است که حتی تلسکوپهای پیشرفته هم نمیتوانند سیارههای کمنور اطراف آن را تشخیص دهند. اکنون یک روش تازه مبتنی بر هوش مصنوعی میتواند این مانع را تا حد زیادی برطرف کند.
به گزارش نشریه نیچر، گروهی از پژوهشگران روشی به نام «یادگیری مبتنی بر فیزیک برای تصویربرداری از سیارهها» (FLIP) توسعه دادهاند که با استفاده از الگوریتمهای یادگیری ماشین، نور ستارهها را از تصاویر رصدی حذف میکند. این روش به اخترشناسان اجازه میدهد نشانههای نوری سیارههایی را شناسایی کنند که در میان درخشش ستاره میزبان پنهان ماندهاند.
در تصویربرداری مستقیم از سیارههای فراخورشیدی، اخترشناسان تلاش میکنند نور خود سیاره را ثبت کنند، نه اینکه صرفا اثر آن را بر ستاره میزبان بررسی کنند. این کار بسیار دشوار است؛ زیرا حتی درخشانترین سیارههای جوان و غولپیکر نیز ممکن است حدود ۱۰۰ هزار برابر کمنورتر از ستاره خود باشند. به همین دلیل، جدا کردن نور ستاره از تصویر، یکی از مهمترین مراحل این نوع رصد به شمار میرود.
بیشتر بخوانید:
- تلسکوپ فضایی ناسا پس از ۲۲ سال سقوط کرد
- دانشمندان تمام اجزای اصلی DNA و RNA در یک سیارک پیدا کردند
- عضو جدید منظومه شمسی؟ | اخترشناسان یک غول یخی آن سوی پلوتون کشف کردند
پژوهشگران برای آزمایش روش جدید از دادههای دوربین فروسرخ نزدیک تلسکوپ فضایی جیمز وب استفاده کردند. آنها با کمک FLIP موفق شدند تصویری از سیاره فراخورشیدی ۵۱ فرس اسب (۵۱ Eridani b) در طول موج ۴٫۳ میکرومتر به دست آورند؛ سیارهای که در تحلیلهای پیشین با روشهای استاندارد قابل تشخیص نبود.
نتایج آزمایشها نشان داد حساسیت این روش برای شناسایی سیارهها، بسته به شرایط رصد، بین ۲ تا ۱۵ برابر بهتر از برخی روشهای متداول حذف نور ستاره است. این پیشرفت میتواند امکان بررسی سیارههای سردتر، کمجرمتر و قدیمیتر را نیز فراهم کند.
پژوهشگران امیدوارند در آینده از این فناوری در رصدخانههای زمینی و فضایی نسل بعد، از جمله تلسکوپهای ویژه جستوجوی سیارههای مشابه زمین، استفاده کنند. البته کاهش هزینه پردازشی و آزمایش روش روی مجموعه دادههای گستردهتر، از مراحلی است که پیش از استفاده وسیع از آن باید طی شود.
نظر شما