ناسا ماموریت TESS خود را در سال ۲۰۱۸ برای بررسی تقریباً کل آسمان و یافتن هزاران سیاره فراخورشیدی آغاز کرد. دانشمندان تاکنون بیش از ۶۰۰۰ سیاره فراخورشیدی از این دست را کشف کردهاند که بخش عمده آن به دلیل دادههای جمعآوریشده توسط کپلر ناسا و ماموریت TESS خود این سازمان است و TESS تاکنون بیش از ۷۰۰ سیاره را کشف کرده است. برای چنین سیل اطلاعاتی، محققان به کمک یادگیری ماشینی (AI) روی آوردهاند تا گذرهای واقعی را از میان نویزها شناسایی کنند.
طبق گفته ناسا، دانشمندان ExoMiner را بر اساس یادگیری عمیق توسعه دادهاند و ۳۷۰ سیاره را از دادههای جمعآوریشده از تلسکوپ فضایی کپلر تأیید کردهاند. نسخهای از ExoMiner با نام ExoMiner++ که برای ارزیابی دادههای تلسکوپ فضایی TESS و دادههای اصلی تلسکوپ فضایی کپلر طراحی شده است، حدود ۷۰۰۰ سیاره کاندید را در دادههای تلسکوپ فضایی TESS پیدا کرده است.
این هوش مصنوعی از طریق افت کم در هر منحنی نوری تولید شده از هر سیگنال نوری سیارات کاندید، کار میکند تا تأیید کند که آیا سیگنال یک سیاره واقعی است یا یک “شبه” مانند یک ستاره دوتایی در حال گرفت. تیمی از محققان الگوریتم شبکه عصبی را ایجاد کردند که حدود ۱۰۸۰۰ منحنی نوری از دادههای TESS را مطالعه کرد تا سه کاندیدای سیاره را که قبلاً نادیده گرفته شده بودند، کشف کند.
TESS تقریباً کل آسمان ستارههای درخشان و نزدیک را بررسی میکند. برخلاف میدان دید محدود کپلر، TESS اهداف زیادی را پوشش میدهد و دادههای آن سازگار هستند. ناسا این دادهها و ابزارهای هوش مصنوعی را عمومی میکند – به عنوان مثال، ExoMiner++ در GitHub متنباز است – بنابراین هر محققی میتواند به این جستجو بپیوندد.
با نگاهی به آینده، تلسکوپ نانسی گریس رومن ناسا (که در اواسط دهه ۲۰۲۰ پرتاب خواهد شد) باید دهها هزار گذر سیاره فراخورشیدی را ثبت کند که همگی به صورت عمومی منتشر میشوند. با دادههای باز و هوش مصنوعی قدرتمند، سرعت کشف قرار است سریعتر شود.