นักวิทยาศาสตร์ใช้ Machine Learning แยกแสงดาว พบดาวเคราะห์นอกระบบสุริยะในข้อมูล Webb

ทีมนักวิทยาศาสตร์จาก Northwestern University ได้พัฒนาวิธีการกำจัดแสงดาวฤกษ์ออกจากภาพถ่ายกล้องโทรทรรศน์ ซึ่งช่วยเพิ่มความไวในการตรวจจับดาวเคราะห์นอกระบบสุริยะที่จางมากได้ถึง 15 เท่า เมื่อทดสอบกับข้อมูลจากกล้องโทรทรรศน์อวกาศ James Webb

การถ่ายภาพโดยตรงของดาวเคราะห์นอกระบบสุริยะยังคงเป็นเรื่องยาก เนื่องจากแสงจ้าจากดาวฤกษ์แม่สามารถบดบังแสงริบหรี่ของมันได้ เทคนิคที่มีอยู่เดิมใช้วิธีลบแสงดาวฤกษ์อ้างอิง แต่ความคลาดเคลื่อนเล็กน้อยของระบบทางแสงอาจทำให้เกิดแสงตกค้างที่บดบังดาวเคราะห์

กรอบการทำงานของทีมที่เรียกว่า Physics-based Learning for Imaging Planets (FLIP) ได้สร้างแบบจำลองว่าแสงเดินทางผ่านกล้องโทรทรรศน์อย่างไร ปรับแก้ข้อบกพร่องทางแสง และจำลองแสงจ้าที่จะต้องถูกลบออก

เมื่อนำไปใช้กับภาพถ่ายจาก Near-Infrared Camera (NIRCam) ของ Webb ทำให้ FLIP สร้างภาพครั้งแรกของดาวเคราะห์ยักษ์ 51 Eridani b ที่ความยาวคลื่นอินฟราเรด 4.3 ไมโครเมตร ซึ่งวิธีการแบบดั้งเดิมเคยล้มเหลว

การทดสอบแสดงให้เห็นว่ามีความไวเพิ่มขึ้นสองถึงสิบห้าเท่าเมื่อเทียบกับเทคนิคทั่วไป และนักวิจัยเชื่อว่ากรอบงานนี้สามารถขยายไปยังกล้องโทรทัศน์ภาคพื้นดินและอวกาศในปัจจุบันและอนาคตได้

ศัพท์ที่ควรรู้

  • Machine Learning – เป็นเทคนิคที่ใช้ในการเรียนรู้ของเครื่องจักรเพื่อช่วยในการคำนวณและปรับปรุงโมเดล
  • James Webb Space Telescope – กล้องโทรทรรศน์อวกาศที่ใช้ในการเก็บข้อมูลทางดาราศาสตร์ในปัจจุบัน
  • Exoplanets – ดาวเคราะห์ที่โคจรอยู่รอบดาวฤกษ์นอกระบบสุริยะของเรา
  • FLIP – คือกรอบการทำงานที่ทีมพัฒนาขึ้นเพื่อจำลองและปรับแก้ข้อมูลทางแสงที่ผ่านกล้องโทรทรรศน์

ที่มา: The Register

Leave a Comment