Число известных науке экзопланет может утроиться благодаря новому алгоритму обработки данных

10 000 «невозможных» экзопланет: почему старые методы их не видели

Астрономы нашли 11 554 кандидата в экзопланеты за один раз. Это втрое больше, чем известно сегодня. И всё благодаря машинному обучению. Без него эти сигналы остались бы просто шумом. Давайте разберемся, как так вышло и что это значит на самом деле.

Как работает этот метод

В основе — транзитный метод. Когда планета проходит между звездой и телескопом, блеск звезды падает на доли процента. Телескоп TESS (он размером с автомобиль и крутится на орбите с 2018 года) фиксирует эти падения для миллионов звезд. Проблема в том, что вручную обработать 83 миллиона кривых блеска — невозможно. Поэтому стандартные алгоритмы отсеивали слабые сигналы, считая их шумом.

Новый алгоритм машинного обучения проанализировал данные ровно 83 717 159 звезд. И нашёл 10 052 кандидата, которые прежде не были известны. Именно их авторы назвали «невозможными» — настолько слабые сигналы, что раньше их просто игнорировали.

Личное наблюдение автора: я часто вижу новости, где пишут «обнаружена планета», но на самом деле это кандидат. Разница колоссальная. Кандидат — это заявка на открытие, а не факт. Реальность требует подтверждения наземными телескопами.

Почему их не видели раньше?

Первая экзопланета была открыта в 1995 году. К сентябрю 2025 года число подтвержденных планет перевалило за 6000, плюс еще 300 добавились позже. Итого около 6300. А тут — 10 000 кандидатов за один подход. Как так?

Всё дело в чувствительности. Старые поисковые конвейеры отсекали слишком слабые транзиты, чтобы не тратить время на ложные срабатывания. Машинное обучение, обученное на известных планетах, распознает едва заметные провалы яркости. Оно не боится шума — оно из него вытаскивает паттерны.

Вот простая аналогия: представьте, что вы ищете монетку на пляже с металлоискателем. Старый метод — копать только если сигнал громкий. Новый — вы включаете нейросеть, которая по микро-вибрациям определяет: это пробка от бутылки или монета. Только в астрономии ставки выше.

Что будет дальше? От кандидата до планеты

Статус кандидата — это не финал. Чтобы стать подтвержденной экзопланетой, нужно еще несколько этапов. Вот пошаговый минимум:

• Наземные наблюдения: подтвердить, что транзит происходит с правильной периодичностью.
• Измерение массы: методом лучевых скоростей (доплеровское смещение спектра звезды).
• Исключение ложных сигналов: затмения двойной звезды, изменения яркости из-за звездных пятен.

Только после этого кандидат становится планетой. Процесс занимает от нескольких месяцев до лет. Из 10 000 кандидатов не все выживут — но хотя бы несколько сотен, скорее всего, подтвердятся.

Сравнение: было и стало

Наука делает скачок. Машинное обучение позволяет переосмыслить старые данные. TESS наблюдает с 2018 года — и только сейчас мы начинаем вытаскивать оттуда максимум.

Мое мнение: прорыв или хайп?

Я считаю, что это реальный прорыв. Не потому, что нашли 10 000 кандидатов, а потому что показали: в астрономии скрыт огромный необработанный пласт данных. Инструменты машинного обучения уже перевернули медицину, поиск лекарств, автономные машины — и вот дошли до космоса.

Но не обольщайтесь. Большинство этих кандидатов — вероятно, небольшие планеты размером с Землю или меньше. Они слабо светят. Подтвердить их массу наземными телескопами будет сложно. Некоторые, возможно, окажутся звездными пятнами или статистическими флуктуациями.

Тем не менее, сам подход — обработка 83 миллионов звезд — меняет правила игры. Теперь любой астроном с хорошей базой данных и нейросетью может найти то, что раньше считалось невозможным. И это только начало.

Резюме от автора: следите за подтверждениями. Если хотя бы 10% кандидатов станут реальными планетами — мы получим удвоение известных миров за пределами Солнечной системы. А если нет — алгоритм все равно научился видеть то, что человеку не дано. И это, пожалуй, главное достижение.