Home  |  Nachrichten  | Frag astronews.com  | Bild des Tages  |  Kalender  | Glossar  |  Links  | Forum  | Über uns    
astronews.com  
Nachrichten

astronews.com
astronews.com

Der deutschsprachige Onlinedienst für Astronomie, Astrophysik und Raumfahrt

Home  : Nachrichten : Forschung : Artikel [ Druckansicht ]

 
PLANETENTENTSTEHUNG
Neuronale Netze helfen bei Simulation
Redaktion / idw / Pressemitteilung der Universität Bern 
astronews.com
18. März 2019

Um herauszufinden, wie Planeten entstehen, werden komplizierte und zeitaufwändige Computersimulationen durchgeführt. Nun haben Forschende aus der Schweiz einen völlig neuartigen Ansatz entwickelt, um diese Berechnungen dramatisch zu beschleunigen. Sie verwenden Deep Learning mit künstlichen neuronalen Netzwerken – eine Methode, die in der Bilderkennung weit verbreitet ist.

Protoplanetare Scheibe

Planeten entstehen in einer rotierenden Scheibe aus Gas und Staub um junge Sterne. Bild: NASA/JPL-Caltech/T. Pyle [Großansicht]

Planeten entstehen in Scheiben um junge Sterne, indem sie festes Material und Gas ansammeln. Ob sie zu Körpern wie Erde oder Jupiter anwachsen, hängt von verschiedenen Faktoren ab, beispielsweise den Eigenschaften der festen Bausteine, dem Druck und der Temperatur in der Scheibe und dem bereits angesammelten Material. Mit Computermodellen versuchen Astrophysikerinnen und Astrophysiker, den Wachstumsprozess zu simulieren und die innere Struktur der Planeten zu bestimmen. Sie berechnen dazu für bestimmte Randbedingungen die Massen der Gashülle eines Planeten.

"Dazu muss man eine Reihe von Differentialgleichungen lösen", erklärt Yann Alibert, Science Officer des Nationalen Forschungsschwerpunkts PlanetS an der Universität Bern: "Diese Gleichungen zu lösen, ist seit 15 Jahren das Spezialgebiet der Astrophysik hier in Bern, aber es ist ein komplizierter und zeitraubender Prozess." Um die Berechnungen zu beschleunigen, hat Yann Alibert gemeinsam mit Julia Venturini vom International Space Science Institute (ISSI) in Bern eine Methode angewendet, die bereits viele andere Bereiche revolutioniert hat und auch in unseren Smartphones steckt: Deep Learning.

Dieser Teilbereich der künstlichen Intelligenz und des maschinellen Lernens wird beispielsweise zur Gesichts- und Bilderkennung eingesetzt. "Deep Learning" hat aber auch die automatische Sprachübersetzung verbessert und wird für selbstfahrende Autos entscheidend sein. "Es gibt auch in der Astronomie einen großen Hype", sagt Alibert: "Maschinelles Lernen wurde bereits zur Analyse von Beobachtungen eingesetzt, aber meines Wissens sind wir die ersten, die 'Deep Learning' für einen solchen Zweck nutzen." 

Anzeige

Zuerst mussten die Forschenden eine Datenbank erstellen. Sie berechneten Millionen von möglichen inneren Strukturen von Planeten. "Wir haben drei Wochen gebraucht, um alle diese Testfälle mit einem Code zu berechnen, den Julia Venturini während ihrer Doktorarbeit in Bern entwickelt hat", sagt Alibert. Der nächste Schritt war die Auswahl der Architektur eines künstlichen neuronalen Netzwerks – eines Satzes von Algorithmen, der Eingabedaten durch mathematische Operationen leitet und der die Fähigkeit hat, zu lernen, ohne explizit programmiert zu sein.

"Dann haben wir dieses Netzwerk mit unserer riesigen Datenbank trainiert", erklärt der Astrophysiker: "Jetzt kann unser Netzwerk die Masse eines Planeten, der unter bestimmten Bedingungen entstanden ist, mit einer sehr guten Genauigkeit vorhersagen, und dies viel schneller, als wenn man die Differentialgleichungen lösen muss."

Der Deep-Learning-Prozess ist viel präziser als bisher entwickelte Methoden, bei denen einige analytische Formeln das Lösen von Differentialgleichungen ersetzten. Diese analytischen Formeln prognostizieren zum Teil, dass ein Planet bis zur Masse des Jupiters wachsen soll, während er in Wirklichkeit nicht mehr Masse als Neptun haben kann. "Wir zeigen, dass unsere neuronalen Netze eine sehr gute Näherung im Prozentbereich liefern", fasst Alibert zusammen.

Die Forschenden stellen ihre Ergebnisse auf der Softwareentwicklungsplattform GitHub zur Verfügung, damit Kollegen, die weltweit auf dem Gebiet der Planetenentstehung arbeiten, davon profitieren können. Ihre Ergebnisse veröffentlichten sie in der Fachzeitschrift Astronomie & Astrophysics.

Forum
Neuronale Netze helfen bei Simulation der Planetenentstehung. Diskutieren Sie mit anderen Lesern im astronews.com Forum.
siehe auch
TRAPPIST-1: Ein Planet könnte der Erde ähneln - 5. Februar 2018
Links im WWW
Preprint des Fachartikels bei arXiv.org
Universität Bern
In sozialen Netzwerken empfehlen
 
 
Anzeige
Anzeige
astronews.com 
Nachrichten Forschung | Raumfahrt | Sonnensystem | Teleskope | Amateurastronomie
Übersicht | Alle Schlagzeilen des Monats | Missionen | Archiv
Weitere Angebote Frag astronews.com | Forum | Bild des Tages | Newsletter
Kalender Sternenhimmel | Startrampe | Fernsehsendungen | Veranstaltungen
Nachschlagen AstroGlossar | AstroLinks
Info RSS-Feeds | Soziale Netzwerke | astronews.com ist mir was wert | Werbung | Kontakt | Suche
Impressum | Nutzungsbedingungen | Datenschutzerklärung
     ^ Copyright Stefan Deiters und/oder Lieferanten 1999-2019. Alle Rechte vorbehalten.  W3C
Diese Website wird auf einem Server in der EU gehostet.

© astronews.com / Stefan Deiters und/oder Lieferanten 1999 - 2019
Alle Rechte vorbehalten. Vervielfältigung nur mit Genehmigung.


URL dieser Seite: https://www.astronews.com:443/news/artikel/2019/03