Först forskare, sedan forskare med medborgarforskare, och nu även forskare med AI-kod. Alla har upptäckt planeter med hjälp av Keplerteleskopet. Men AI-revolutionen med maskininlärning bäddar för att mängder med astronomiska data som tidigare skulle ha tagit decennier att analysera nu kan studeras inom bara några år.
Jakten på jordlika exoplaneter är svår och tidskrävande. Även om många stjärnor i vår galax har visat sig omges av planeter, så gör de särskilda omständigheterna som krävs för jordlika planeter att forskarna måste sålla genom data från hundratusentals stjärnor. Keplerteleskopet som skickades upp av NASA år 2009 var ett stort steg i en process där övervakningen av enorma mängder stjärnor kunde automatiseras. Men att studera alla data från teleskopet inom rimliga tidsgränser för att hitta lämpliga kandidater har krävt kreativa lösningar.

Ett tidigt steg för att lösa problemet var att involvera allmänheten genom medborgarforskning. Genom initiativet Planet Hunters bjuder NASA in människor från hela världen att studera ljuskurvor ur deras öppna arkiv med data från Keplerteleskopet, vilket snabbar på gallringsprocessen för forskarna.
Nu har forskarna tagit ytterligare ett steg framåt. Den snabba framväxten av avancerad maskininlärning under de senaste åren har varit ett naturligt led i utvecklingen av automatisering inom många olika områden. Och nu även planetjägare nått liknande framgångar med data från just Keplerteleskopet, skriver NASA i ett pressmeddelande.
Forskarna Christopher Shallue och Andrew Vanderburg har använt Googles maskininlärningskod för att träna en dator i att identifiera exoplaneter i ljuskurvor, och det ledde till fyndet av en åttonde och tidigare förbisedd planet runt stjärnan Kepler-90. De fann även en sjätte planet runt Kepler-80, som påminner mycket om systemet Trappist-1 med sina sju små planeter.
Nästa steg för gruppen är att tillämpa metoden på Keplerteleskopets fulla dataset, som täcker in fler än 150 000 stjärnor i stjärnbilderna Svanen, Lyran och Draken.