Para peneliti dari University of Bern telah mengembangkan model buatan (AI) model yang mampu memprediksi arsitektur sistem planet dan kemudian menyimpulkan keberadaan planet yang belum ditemukan. Mereka menggunakan apa yang disebut arsitektur transformator yang merupakan dasar dari model bahasa besar yang menyalakan alat-alat seperti Apertus atau chatbots model Swiss yang baru diluncurkan seperti chatgpt.
Sejak lebih dari dua dekade, para peneliti di University of Bern telah mengembangkan apa yang disebut 'Model Bern', serangkaian program komputer yang secara numerik dapat mensimulasikan pembentukan sistem planet, sehingga menjelaskan arsitektur sistem. Model-model ini, bagaimanapun, sangat kompleks: setiap simulasi dari model Bern dapat memakan waktu beberapa hari hingga beberapa minggu untuk dihitung menggunakan komputer super modern.
Menggunakan teknik AI modern yang dilatih pada data model Bern, Prof. Yann Alibert dan Sara Marques dari planet NCCR dan Pusat Ruang dan Kelayaan Kelayaan Universitas Bern, dan Dr. Jeanne Davoult, mantan kandidat PhD dari Komputer, Komputer, Komputer, Komputer di DLR di Berlin di Berlin, telah mengembangkan model AI yang diketahui dari Komputer. Studi ini baru saja diterbitkan dalam jurnal Astronomi dan Astrofisika dan disajikan minggu lalu di konferensi 'Fast Machine Learning for Science' di Zurich (di mana ia memenangkan harga poster terbaik) dan minggu ini pada pertemuan bersama Kongres Sains Eropa dan Divisi untuk Planetary Sciences (EPSC-DPS) 2025 di Helsinki.
Mengetahui di mana harus mengamati
Fasilitas observasional hari ini dan dekat akan segera dapat mengamati dan mengkarakterisasi planet ekstrasolar yang mirip dengan bumi, sementara mereka sejauh ini terbatas pada planet yang lebih dekat dengan bintang inang mereka. “Deteksi planet seperti bumi membutuhkan waktu pengamatan dalam jumlah besar. Dalam konteks ini, mengetahui di mana harus mengamati sangat penting untuk menghemat waktu pengamatan yang sangat mahal”, jelas Yann Alibert, penulis pertama penelitian.
Untuk memprioritaskan antara berbagai target yang mungkin, seseorang dapat menggunakan pengamatan dari planet-planet lain yang lebih mudah dikenakan dalam sistem yang sama. Namun, ini membutuhkan pemahaman mendalam tentang apa yang disebut arsitektur suatu sistem: bagaimana sifat (posisi orbital, massa, dll.) Dari satu planet dalam suatu sistem yang berhubungan dengan sifat-sifat planet lain dalam sistem yang sama.
Terinspirasi oleh model bahasa besar
Tim melatih model AI -nya pada puluhan ribu simulasi numerik pembentukan sistem planet juga dikembangkan di University of Bern. “Model AI baru dapat digunakan untuk memprediksi keberadaan dan sifat-sifat planet tambahan yang belum ditemukan di sistem planet ekstrasolar yang sudah diketahui”, sebagai Sara Marques, kandidat PhD di University of Bern, menunjukkan.
Dalam percobaan yang disajikan dalam penelitian ini, penulis menunjukkan bahwa dalam sistem tiga planet nyata, sifat-sifat planet kedua dan ketiga dapat disimpulkan dari sifat-sifat planet terdalam sistem. Alibert menjelaskan: “Pendekatan ini dapat digunakan untuk menghasilkan sistem planet baru: mengetahui satu planet dalam suatu sistem, kita dapat memprediksi sisa planet untuk sistem tiga planet dengan model kami.” Alibert melanjutkan: “Kunci dalam penelitian kami adalah untuk menyadari bahwa sistem planet dapat dilihat sebagai urutan planet, persis seperti kalimat adalah urutan kata -kata. Ini memicu gagasan menggunakan metode AI dari model bahasa besar, yang digunakan misalnya oleh chatbots seperti chatgpt, untuk membangun model AI kami.”
Para penulis menggunakan apa yang disebut 'arsitektur transformator' yang diperkenalkan di lapangan pada tahun 2017 untuk membuat model generatif yang dapat menghasilkan urutan planet yang mengorbit bintang yang sama. “Model bahasa besar memprediksi sisa kalimat berdasarkan urutan yang dibuat oleh beberapa kata pertama. Dalam kasus kami, kami memprediksi urutan planet luar dalam suatu sistem, berdasarkan pada yang pertama,” lebih lanjut menjelaskan Marques.
“Studi baru ini dibangun berdasarkan model AI sebelumnya yang mendorong hasil,” kata Dr. Jeanne Davoult, mantan siswa di planet NCCR, sekarang bekerja di DLR Berlin. “Dalam model terakhir, berdasarkan planet dalam suatu sistem, kami memprediksi probabilitas planet seperti bumi untuk berada dalam sistem. Menjaga analogi dengan model bahasa, rasanya seperti memprediksi keberadaan kata tertentu dalam sebuah kalimat, berdasarkan awal. Dalam penelitian baru ini, kami memprediksi semua sisa hukuman dan tidak hanya probabilitas kata tunggal.”
“Hasil model AI generatif begitu akurat sehingga kami sangat skeptis pada awalnya,” kenang Marques. Sejumlah besar tes dilakukan oleh para peneliti, di mana mereka menggunakan pengklasifikasi pembelajaran mesin, dan mereka menyerahkan hasil mereka kepada ilmuwan lain. “Pada akhirnya, mereka semua menyimpulkan sama: sistem planet yang dihasilkan hampir tidak dapat dibedakan dari simulasi numerik,” lanjut marques.
Mempersiapkan Misi Plato dan Lainnya
Dijadwalkan akan diluncurkan pada tahun 2026, misi ESA Plato akan menemukan ribuan sistem planet, dengan planet yang paling dekat dengan bintang itu, secara umum, yang pertama kali diamati. Beberapa sistem ini dapat menampung planet seperti bumi, namun ini kemungkinan akan ditemukan oleh teleskop berbasis darat menggunakan pengamatan lain nanti.
“Model AI baru kami dapat digunakan untuk memprioritaskan pengamatan sistem ini dengan teleskop, meningkatkan probabilitas untuk menemukan kembar bumi”, kata Davoult. Di tahun -tahun mendatang, model akan diperluas untuk memprediksi lebih banyak sifat planet, seperti komposisi atau kelayakhiannya. “Ketika saya dipekerjakan sebagai postdoc pada tahun 2001, saya memprakarsai simulasi numerik sistem planet di University of Bern. Model AI baru ini adalah kelanjutan alami dari keahlian Bernese ini”, kata Alibert. “AI sekarang hadir dalam kehidupan semua orang, saya yakin itu akan semakin menjadi kunci dalam penemuan ilmiah, dalam ilmu planet dan di tempat lain”, ia menyimpulkan.
