Er zijn dertig jaar verstreken sinds het eerste wetenschappelijke bewijs van het bestaan van planeten buiten het zonnestelsel werd verkregen. Op het moment van deze publicatie hadden 3.767 objecten de officiële status van exoplaneet gekregen, met in totaal meer dan 4.500 kandidaten.
De meeste van deze planeten zijn erg hard en absoluut ongeschikt voor levenswerelden, maar sommige van hen hebben volgens wetenschappers nog steeds geschikte omstandigheden om te voorkomen. Ze zijn tenminste niet te warm en tegelijkertijd niet te koud om de aanwezigheid van water op hun oppervlak in vloeibare vorm te houden. En water, zoals u weet, is een van de bronnen van leven.
De belangrijkste reden voor de zoektocht naar nieuwe exoplaneten is natuurlijk de zoektocht naar leven buiten de aarde. Waarom zouden er anders enorme sommen geld uitgeven aan het bouwen van nieuwe telescopen en het creëren van nieuwe technologieën voor ruimteverkenning? Daarom hebben wetenschappers van Columbia University (VS) een nieuw systeem ontwikkeld dat de "jacht" naar potentieel bewoonbare werelden kan vereenvoudigen. Met behulp van machine learning-algoritmen hebben de onderzoekers technologie ontwikkeld die het mogelijk maakt om het voortbestaan van een bepaalde exoplaneet in een stabiele baan beter te bepalen.
In dit werk richtten de onderzoekers hun aandacht op de zogenaamde "Tatooines", of exoplaneten die rond dubbelsterren draaien, net als de woestijnwereld van Luke Skywalker uit "Star Wars". Formeel bekend in wetenschappelijke kringen als circumbinaire planeten, kunnen ze enorme baanveranderingen ondergaan, omdat ze zich altijd in de zwaartekrachtpool van twee sterren tegelijk bevinden. Omdat ze zich aangetrokken voelen tot de ene ster en vervolgens tot de andere, lopen ze het risico na verloop van tijd uit het systeem te worden gegooid en in het ergste geval op een van hun sterren te vallen.
Wetenschappers hebben een vergelijking ontwikkeld die helpt bij het bepalen van de stabiliteit op lange termijn van de baan van circumbinaire planeten, maar volgens Chris Lam, het hoofd van de huidige ontwikkeling in kwestie, kan deze vergelijking geen nauwkeurige gegevens opleveren, rekening houdend met alle mogelijke omstandigheden.
"Het probleem is dat wanneer er drie of meer lichamen in het systeem zijn, de beweging 'chaotisch' wordt, zoals natuurkundigen en wiskundigen zeggen", zegt Lam.
“Daarom zijn er grensgevallen waarin de vergelijking voorspelt dat het systeem onstabiel is terwijl het feitelijk stabiel is, en vice versa. We dachten dat een neuraal netwerk ons zou helpen met dit probleem om te gaan."
Het vermogen om te voorspellen of een planeet uit zijn systeem zal worden gegooid, is niet alleen een gril, het is een extra kans om het bewoonbaarheidspotentieel van een bepaalde wereld te bepalen. Uiteindelijk duurde het enkele miljarden jaren voordat er leven opkwam en zich ontwikkelde, althans het leven dat op aarde bestaat. Met andere woorden, er is geen kans voor als we het hebben over een planeet die door de ruimte dwaalt en niet gebonden is aan zijn licht.
Promotie video:
Voor een efficiëntere methode om de overlevingskansen van Tatooines te bepalen, hebben Lam en collega's een algoritme voor machine learning ontwikkeld dat wetenschappers hebben getraind met behulp van 10 miljoen gesimuleerde planeten. Na enkele uren experimenteren en afstemmen, merkt Lam op, was het systeem in staat om de nauwkeurigheid van de traditionele vergelijking "in alle opzichten" te overtreffen.
Wetenschappers verwachten dat NASA's nieuwe TESS-ruimtetelescoop, die onlangs met succes in een baan om de aarde is gelanceerd, in staat zal zijn om veel nieuwe circumbinaire planeten te detecteren, en de ontwikkeling van onderzoekers van Columbia University, zei Lam, zou kunnen helpen bij de studie van deze werelden.
“Ons model helpt astronomen te begrijpen welke regio's het beste zijn om planeten rond binaire systemen te vinden. Ik hoop dat dit ons niet alleen zal helpen om nieuwe exoplaneten te ontdekken, maar ook om hun kenmerken beter te begrijpen,”merkte de wetenschapper op.
Nikolay Khizhnyak
