KI-Modell identifiziert potenzielle Ziele für erdähnliche Planeten

Ein maschinelles Lernverfahren hat 44 Planetensysteme als vielversprechende Kandidaten für die Suche nach erdähnlichen Planeten eingestuft. Die Methode erreichte in Simulationen eine Präzision von bis zu 99% bei der Erkennung von Systemen mit Planeten in der definierten Masse- und Temperaturklasse.

Definition und Grenzen der Studie

Die als „erdähnlich“ klassifizierten Planeten (ELP) müssen zwei Kriterien erfüllen: eine Masse zwischen 0,5 und 3 Erdmasse sowie eine Gleichgewichtstemperatur zwischen 160 und 510 Kelvin. Diese breite Temperaturspanne übersteigt konventionelle Habitable-Zone-Definitionen deutlich. Bei sonnenähnlichen Sternen erstreckt sich die Zone von etwa 0,39 bis 3,9 Astronomischen Einheiten.

Die Bezeichnung „erdähnlich“ bezieht sich ausschließlich auf Masse und Temperatur. Weitere Eigenschaften wie Atmosphäre, Oberflächenbedingungen oder Wasseranteil wurden nicht berücksichtigt. Die Studie nutzte das Berner Modell der Planetenentstehung, das über 53.000 simulierte Planetensysteme für verschiedene Sternmassen erzeugte.

Methodik und praktische Anwendung

Das Random-Forest-Modell analysierte die Architektur der Planetensysteme sowie Masse und Umlaufperiode des innersten nachweisbaren Planeten. Um reale Beobachtungsbedingungen nachzubilden, wurden schwächere Planeten unter bestimmten Radialgeschwindigkeits-Schwellenwerten ausgeblendet. Diese lagen zwischen 0,43 und 1,55 Metern pro Sekunde, abhängig von der Sternmasse.

Die anschließende Anwendung auf 1.567 reale Systeme ergab 44 Prioritätsziele für weitere Beobachtungen. Die Forscher betonen, dass die hohe Trefferquote aus Simulationen nicht direkt auf reale Systeme übertragbar ist. Die Studie liefert Hinweise auf potenziell interessante Systeme, aber keine bestätigten Entdeckungen erdähnlicher Planeten.

  • Originalstudie: Davoult, J., Eltschinger, R., & Alibert, Y. (2023). Astronomy & Astrophysics
  • Berner Modell der Planetenentstehung