{"id":7244,"date":"2018-12-10T17:09:48","date_gmt":"2018-12-10T16:09:48","guid":{"rendered":"http:\/\/www.media.inaf.it\/2018\/11\/23\/atmosfere-extrasolari-machine-learning\/"},"modified":"2018-12-10T18:17:18","modified_gmt":"2018-12-10T17:17:18","slug":"reti-neurali-per-le-atmosfere-aliene-media-inaf","status":"publish","type":"post","link":"https:\/\/cielipiemontesi.it\/?p=7244","title":{"rendered":"Reti neurali per le atmosfere aliene | MEDIA INAF"},"content":{"rendered":"
\n
\n

.entry-header <\/span><\/p>\n

\n
\n

\"\"<\/a><\/p>\n

Il grafico mostra il confronto tra uno spettro simulato e lo spettro riprodotto da ExoGan di un pianeta dominato da acqua, nella finestra spettrale di Hst\/Wfc3 (cliccare per ingrandire)<\/p>\n<\/div>\n

In questi anni lo studio dei pianeti extrasolari<\/a> <\/strong>\u00e8 evoluto dall\u2019identificazione delle stelle con sistemi esoplanetari \u2013 attraverso il metodo dei transiti<\/strong><\/a> e delle velocit\u00e0 radiali<\/a> <\/em><\/strong>(metodi che permettono anche una prima determinazione delle loro propriet\u00e0 fisiche quali massa, dimensioni e densit\u00e0) \u2013 alla caratterizzazione delle loro atmosfere<\/a>,<\/strong> grazie a strumenti disponibili oggi come Wfc3<\/a>,<\/strong> la\u00a0Wide Field Camera 3 a bordo dell\u2019Hubble Space Telescope. Durante i transiti, ossia quando il pianeta transita sul disco stellare lungo la nostra linea di vista, infatti, parte della luce stellare \u00e8 filtrata dall\u2019atmosfera dell\u2019esopianeta.\u00a0 Questo lascia un\u2019importante impronta nello spettro della stella, che presenta righe di assorbimento dei gas e delle molecole contenute nell\u2019atmosfera dell\u2019esopianeta.<\/p>\n

Osservazioni spettroscopiche con elevati rapporti segnale\/rumore, quindi, possono permetterci di studiare la composizione chimica delle atmosfere esoplanetarie, la loro stratificazione, e in principio di individuare la presenza di elementi chimici legati alla presenza di vita sul pianeta. Questo sar\u00e0 uno degli obiettivi scientifici di Jwst<\/a><\/strong>, il successore dell\u2019Hubble Space Telescope, che verr\u00e0 lanciato in orbita nei prossimi anni, e il principale obiettivo della missione Ariel<\/a>,<\/strong> dedicata alla caratterizzazione delle atmosfere esoplanetarie e che vede un forte coinvolgimento della comunit\u00e0 scientifica italiana.<\/p>\n

\n

\"\"<\/a><\/p>\n

Crediti: Eso<\/p>\n<\/div>\n

Il problema di risalire alla composizione chimica e alle propriet\u00e0 di un\u2019atmosfera esoplanetaria dagli spettri osservati \u00e8, per\u00f2, un problema in principio mal posto<\/strong>. Si cerca, infatti, di ricostruire un sistema fisico parecchio complesso, che richiede modelli con molti gradi di libert\u00e0, a partire dalle poche informazioni presenti negli spettri osservati. Inoltre, il processo di convergenza di un modello di atmosfera con un adeguato livello di complessit\u00e0 richiede un numero di iterazioni molto elevato \u2013 centinaia di migliaia, se non milioni \u2013 implicando tempi di calcolo insostenibili<\/strong>.<\/p>\n

Una possibile soluzione al problema \u00e8 implementare allo studio delle atmosfere esoplanetarie algoritmi di intelligenza artificiale<\/strong>, ossia l\u2019utilizzo di metodi statistici che hanno lo scopo di permettere a determinati algoritmi di calcolo di imparare e fare predizioni sui dati. In questo ambito risulta promettente l\u2019uso delle reti neurali artificiali<\/a> ,<\/strong> che permettono al computer di imparare direttamente dai dati, generalizzando le informazioni e risolvendo problemi complessi. Questi algoritmi sono vagamente ispirati alla rete neuronale<\/a> <\/strong>del cervello, dove i calcoli vengono eseguiti da gruppi neuronali interconnessi tra di loro dallo scambio di input e output.<\/p>\n

Nell\u2019articolo \u201cExoGAN: Retrieving Exoplanetary Atmospheres Using Deep Convolutional Generative Adversarial Networks<\/a>\u201d<\/strong> di Tiziano Zingales<\/strong>\u00a0\u2013 dottorando allo University College di Londra e all\u2019Osservatorio astronomico dell\u2019Inaf di Palermo, e ora ricercatore postdoc<\/em> al\u00a0Laboratoire d\u2019Astrophysique di Bordeaux \u2013<\/span>\u00a0\u00e8 descritto l\u2019algoritmo ExoGan<\/a><\/strong>\u00a0(Exoplanet Generative Adversarial Network), adatto per identificare le molecole presenti in un\u2019atmosfera esoplanetaria, studiarne l\u2019abbondanza e determinare i parametri fisici dell\u2019atmosfera dall\u2019analisi degli spettri ad alta risoluzione. ExoGan \u00e8 una\u00a0deep convolutional generative advesarial network<\/em>: un tipo di algoritmi\u00a0deep learning<\/em>\u00a0particolarmente versatile, che pu\u00f2 essere applicato a vari strumenti e tipi di esopianeti.<\/p>\n

Per saperne di pi\u00f9:<\/strong><\/p>\n<\/div>\n

.entry-content <\/span><\/p>\n

.entry-meta <\/span><\/p>\n<\/div>\n

#post <\/span><\/p>\n