L'apprendimento automatico è un potente strumento utilizzato per una varietà di compiti nella vita moderna, dal rilevamento delle frodi e dall'ordinamento dello spam in Google, per dare consigli sui film su Netflix.

Ora un team di ricercatori dell'Università di Toronto Scarborough ha sviluppato un nuovo approccio per utilizzarlo per determinare se i sistemi planetari sono stabili o meno.

"L'apprendimento automatico offre un modo potente per affrontare un problema in astrofisica, e questo è prevedere se i sistemi planetari sono stabili, "dice Dan Tamayo, autore principale della ricerca e borsista post-dottorato presso il Center for Planetary Science presso l'Università di T Scarborough.

L'apprendimento automatico è una forma di intelligenza artificiale che offre ai computer la capacità di apprendere senza dover essere costantemente programmati per un'attività specifica. Il vantaggio è che può insegnare ai computer ad apprendere e cambiare quando esposti a nuovi dati, per non parlare che è anche molto efficiente.

Il metodo sviluppato da Tamayo e dal suo team è 1, 000 volte più veloce dei metodi tradizionali nella previsione della stabilità.

"In passato siamo stati ostacolati nel tentativo di capire se i sistemi planetari sono stabili con metodi che non potevano gestire la quantità di dati che gli stavamo dando, " lui dice.

È importante sapere se i sistemi planetari sono stabili o meno perché può dirci molto su come si sono formati questi sistemi. Può anche offrire nuove preziose informazioni sugli esopianeti che non sono offerte dagli attuali metodi di osservazione.

Esistono diversi metodi attuali per rilevare gli esopianeti che forniscono informazioni come le dimensioni del pianeta e il suo periodo orbitale, ma potrebbero non fornire la massa del pianeta o quanto sia ellittica la loro orbita, che sono tutti fattori che influiscono sulla stabilità, nota Tamayo.

Il metodo sviluppato da Tamayo e dal suo team è il risultato di una serie di workshop presso l'U of T Scarborough che illustrano come l'apprendimento automatico potrebbe aiutare ad affrontare problemi scientifici specifici. La ricerca è attualmente pubblicata online nel Lettere per riviste astrofisiche .

"Ciò che è incoraggiante è che i nostri risultati ci dicono che vale la pena investire settimane di calcolo per addestrare modelli di apprendimento automatico perché non solo questo strumento è accurato, ma funziona anche molto più velocemente, " Aggiunge.

Potrebbe anche tornare utile quando si analizzano i dati del Transiting Exoplanet Survey Satellite (TESS) della NASA che verrà lanciato il prossimo anno. La missione di due anni si concentrerà sulla scoperta di nuovi esopianeti concentrandosi sulle stelle più luminose vicino al nostro sistema solare.

"Potrebbe essere uno strumento utile perché prevedere la stabilità ci permetterebbe di saperne di più sul sistema, dai limiti superiori di massa alle eccentricità di questi pianeti, "dice Tamayo.

"Potrebbe essere uno strumento molto utile per comprendere meglio questi sistemi".