
Учёные создали алгоритмы, которые «просеивают» шумы в данных с космических телескопов. Метод, основанный на машинном обучении, позволяет выявлять следы биогенных газов в атмосферах экзопланет даже при крайне слабых сигналах — примерно так же, как современные аудиофильтры выделяют речь в записи с фоновым гулом.
Суть подхода — анализ спектров атмосфер, полученных при прохождении света звезды через атмосферную оболочку планеты. Каждый газ оставляет уникальный след в спектре, но при низком соотношении сигнал/шум традиционная обработка требует многократных наблюдений. Нейросети, обученные на миллионе данных о спектрах планет системы TRAPPIST-1 e, решают эту задачу за счёт распознавания паттернов: идентифицируют комбинации метана, озона и водяного пара, характерные для потенциально обитаемых экзопланет, даже при однократном транзите планеты перед звездой.

Ключевое преимущество технологии — оптимизация работы телескопов типа JWST. Если ручной анализ каждого кандидата занимает десятки часов, то алгоритмы способны за минуты отобрать наиболее перспективные цели для последующих наблюдений. В тестах на спектрах, имитирующих современную Землю, система корректно определяла биомаркеры в 83% случаев, что вдвое сокращает риск пропустить обитаемую планету из-за человеческого фактора или аппаратных ограничений.
Метод особенно эффективен для систем красных карликов, где короткие орбитальные периоды (как у TRAPPIST-1 e) позволяют чаще фиксировать транзиты. Интеграция алгоритмов в программы JWST увеличит число проверяемых экзопланет без дополнительных затрат наблюдательного времени. Уже в ближайшие годы это может привести к обнаружению «двойника» Земли — особенно если следующее поколение телескопов, таких как ELT, получит предварительно отфильтрованный список целей от ИИ. Как показало исследование, именно сочетание автоматического отбора и последующей ручной верификации даст астрономам преимущество в многовековом поиске жизни за пределами Солнечной системы.
-
06.04.2025 20:25:00 | iXBT.com
06.04.2025 19:56:00 | iXBT.com
06.04.2025 19:39:00 | iXBT.com
06.04.2025 19:17:00 | iXBT.com
06.04.2025 18:41:00 | iXBT.com
06.04.2025 16:37:00 | iXBT.com
06.04.2025 15:46:44 | TechCult.ru
06.04.2025 15:41:00 | iXBT.com
06.04.2025 14:50:00 | iXBT.com
06.04.2025 14:31:00 | iXBT.com
06.04.2025 13:48:00 | iXBT.com
06.04.2025 13:30:00 | iXBT.com
06.04.2025 13:07:12 | Ведомости
06.04.2025 13:06:00 | iXBT.com
06.04.2025 12:53:00 | iXBT.com
06.04.2025 12:45:00 | iXBT.com
06.04.2025 12:18:00 | iXBT.com
06.04.2025 09:44:00 | iXBT.com
06.04.2025 01:43:00 | iXBT.com
06.04.2025 01:30:00 | iXBT.com
06.04.2025 01:15:00 | iXBT.com
06.04.2025 00:32:00 | iXBT.com
06.04.2025 00:21:00 | iXBT.com
06.04.2025 00:04:00 | iXBT.com
05.04.2025 23:49:00 | iXBT.com
05.04.2025 22:58:00 | iXBT.com
05.04.2025 22:54:00 | iXBT.com
05.04.2025 22:52:00 | iXBT.com
05.04.2025 22:43:00 | iXBT.com
05.04.2025 22:25:00 | iXBT.com
05.04.2025 22:25:00 | iXBT.com
-
18.06.2025 15:08:59 | vc.ru
18.06.2025 14:45:53 | КИНО-ТЕАТР.РУ
18.06.2025 14:00:53 | КИНО-ТЕАТР.РУ
18.06.2025 13:54:08 | vc.ru
18.06.2025 13:31:47 | it-world
18.06.2025 13:30:00 | ferra.ru
18.06.2025 13:27:33 | vc.ru
18.06.2025 13:15:53 | КИНО-ТЕАТР.РУ
18.06.2025 13:00:41 | Хабр
18.06.2025 12:54:57 | Хабр
18.06.2025 12:49:15 | Хабр
18.06.2025 12:36:23 | vc.ru
18.06.2025 12:30:52 | КИНО-ТЕАТР.РУ
18.06.2025 12:30:01 | Хабр
18.06.2025 12:23:29 | Woman.ru
18.06.2025 12:01:47 | Хабр
18.06.2025 12:00:00 | ferra.ru
18.06.2025 12:00:00 | ГАСТРОНОМЪ
18.06.2025 11:56:38 | Woman.ru
18.06.2025 11:42:51 | Кинопоиск
18.06.2025 11:41:31 | Хабр
18.06.2025 11:40:16 | Хабр
18.06.2025 11:36:50 | vc.ru
18.06.2025 11:36:50 | vc.ru
18.06.2025 11:33:00 | ГАСТРОНОМЪ
18.06.2025 11:30:45 | vc.ru
Техническая поддержка проекта ВсеТут