Voor het eerst hebben wetenschappers een machinaal ‘neuraal netwerk’ getraind om enorme hoeveelheden gegevens van een ruimtetelescoop door te spitten en zijn zo op geheel nieuwe werelden gestuit.

De exoplaneet Kepler-90i werd ontdekt in het enorme aantal gegevens dat is verzameld door de ‘planetenjager’ van de NASA, de ruimtetelescoop Kepler. Eerder al waren nóg zeven exoplaneten rond dezelfde ster op 2500 lichtjaar van de aarde gevonden, wat betekent dat het Kepler-90-systeem net zoveel planeten telt als ons eigen zonnestelsel.

“Kepler heeft al eerder aangetoond dat rond de meeste sterren planeten draaien,” zei Paul Hertz van de NASA op de persconferentie waarop de ontdekking wereldkundig werd gemaakt. “Maar nu heeft Kepler ook bevestigd dat sterren een groot gezin van planeten kunnen hebben, zoals ons zonnestelsel.”

Aan de vooravond van de persconferentie deden wilde geruchten de ronde over de mogelijkheid dat er buitenaards leven was geregistreerd. Hoewel het geen verrassing is dat dit niet het geval was, blijkt uit de persconferentie wel dat we mogelijk opwindende buitenaardse werelden kunnen vinden met behulp van machinale leerprocessen.

Biljarden omloopbanen

De ruimtetelescoop Kepler werd in 2009 gelanceerd en tuurde vier jaar lang naar één enkel stukje van de nachthemel waarin 150.000 sterren te zien zijn. De telescoop was ontworpen om uit te kijken naar kleine verduisteringen van het licht van deze sterren, wat erop zou kunnen wijzen dat er planeten voorlangs trekken. Wanneer zo’n signaal in de gegevens wordt gevonden, kunnen wetenschappers uitrekenen hoe groot de betreffende planeet is en op welke afstand hij om zijn ster draait.

Dankzij Kepler zijn tot dusver 2525 exoplaneten geïdentificeerd, en in de nog niet bestudeerde gegevens zullen er waarschijnlijk nog meer worden ontdekt. Maar het is niet eenvoudig om het bestaan van een exoplaneet definitief te bevestigen. Het doorspitten van de enorme hoeveelheid gegevens die Kepler heeft verzameld, is voor mensen een onmogelijke taak – de database bevat potentieel enkele biljarden (één biljard is een miljoen maal een miljard) planetaire omloopbanen. En wanneer een kleine verduistering in het licht van een ster wordt gevonden, betekent dat nog niet dat er een planeet voorlangs trekt, want ook zonnevlekken, partner-sterren en andere objecten kunnen de ‘vingerafdruk’ van een planeet nabootsen.

Om dit probleem op te lossen besloot Chris Shallue van de afdeling kunstmatige intelligentie van Google om ‘neurale netwerken’ op te zetten. Al eerder werden methoden met behulp van machinaal leren gebruikt om de gegevens van Kepler te filteren en te classificeren, maar het neurale netwerk van Shallue levert een veel krachtiger algoritme.

“Ik raakte geïnteresseerd in de toepassing van neurale netwerken in de astronomie toen ik hoorde dat de Kepler-missie zóveel gegevens had verzameld dat het voor wetenschappers onmogelijk zou zijn om ze allemaal door te nemen,” zei hij. “We kwamen op het idee om deze techniek op de ruimte toe te passen en een machinaal leersysteem te trainen in het herkennen van planeten rond verafgelegen sterren.”

Fantastisch perspectief

Zoals de term al aangeeft, berusten ‘neurale netwerken’ op processen die in onze hersenen werkzaam zijn. De netwerken kunnen leren om bepaalde zaken te identificeren en classificeren, zoals het verschil tussen hondenfoto’s en kattenfoto’s. Na enorme hoeveelheden voorbeelden te hebben bekeken, leert de computer uiteindelijk zelf om onderscheid te maken tussen honden en katten.

Shallue trainde zo’n netwerk om de typische vingerafdrukken van exoplaneten te herkennen. Hij nam een staal van 15.000 verzamelde vingerafdrukken van planeten uit de database van Kepler en begon het systeem te leren om het verschil te herkennen tussen werkelijke planeten en signalen die voor planeten kunnen doorgaan. Toen hij de accuraatheid van zijn machinale netwerk testte, bleek dat het in 96 procent van de gevallen tot de correcte conclusie kwam.

Daarna moest het algoritme aan het werk worden gezet. Shallue en Andrew Vanderburg van de University of Texas in Austin richtten hun systeem op zo’n 670 sterren in het Kepler-veld waarvan bekend was dat ze al planeten hadden, omdat de kans dan groot is dat ze worden omringd door meerdere planeten.

Ze voerden de signalen in van systemen die niet duidelijk genoeg waren om door mensen te worden onderzocht en herkend. Tussen die signalen identificeerde het neurale netwerk twee nieuwe planeten, die worden beschreven in een studie die zal verschijnen in The Astronomical Journal.

“Deze twee planeten hebben zwakke signalen die bij alle voorgaande zoektochten rond deze sterren over het hoofd zijn gezien,” zegt Shallue.

Nieuwe horizonten

Een van de planeten, Kepler-80g, is de zesde in het systeem rond de ster Kepler-80, die kleiner en roder is dan onze zon; de planeet is ongeveer zo groot als de aarde en heeft een omloopbaan van 14,6 aarddagen.

Het neurale netwerk herkende ook het signaal van Kepler-90i, een planeet die iets groter is dan de aarde en een omloopbaan van slechts twee aardweken heeft. Wat betreft de afstand tot zijn ster, die groter en heter is dan onze zon, is Kepler-90i net als de aarde de derde planeet. Twee soortgelijke kleine planeten draaien in nog dichtere banen om hun ster dan Kepler-90i, terwijl de planeten op grotere afstand van hun ster steeds groter worden.

Hoewel deze buitenaardse groep planeten omvangrijk is, zitten ze dicht opeengepakt: alle acht de planeten draaien op een afstand van slechts één astronomische eenheid (de afstand tussen onze zon en de aarde) om hun ster.

“Kepler-90i is niet een plek waar je graag naartoe zou gaan,” zegt Vanderburg. “Het oppervlak is waarschijnlijk gloeiend heet, want we schatten dat er een gemiddelde temperatuur van ruim vierhonderd graad Celsius heerst.”

Volgens Vanderburg telt Kepler-90 mogelijk nog meer planeten die nog niet ontdekt zijn. Hij en Shallue zijn van plan de gehele database van Kepler door hun neurale netwerk te laten doorspitten om te kijken wat er nog meer opduikt. Toch zal het werk van menselijke astronomen voorlopig nog niet door computers worden overgenomen.

“Dit systeem werkt alleen in samenhang met astronomen,” zegt Jessie Dotson van de NASA. “Dat gedeelte zul je nooit kunnen weglaten. Je hebt die eerste classificaties nodig om het machinale leerproces te trainen, maar daarna kan het systeem wel veel meer signalen doorspitten dan mensen.”