AI Tự Động Hóa Quy Trình Xử Lý Dữ Liệu Thiên Văn, Giúp Xác Nhận 64 Ngoại Hành Tinh Mới Từ NASA TESS

Trong một bước tiến đáng chú ý về ứng dụng trí tuệ nhân tạo (AI) vào khoa học vũ trụ, một nhóm nghiên cứu đã sử dụng pipeline xử lý dữ liệu tự động dựa trên AI để phân tích một khối lượng lớn dữ liệu từ vệ tinh TESS của NASA. Kết quả là họ đã xác nhận thống kê 64 ngoại hành tinh mới, một con số đáng kể trong lĩnh vực săn tìm hành tinh ngoài hệ Mặt Trời.

Điều đặc biệt là tác giả chính của nghiên cứu, Michael Collier, không có kinh nghiệm chuyên sâu về thiên văn học. Thay vào đó, anh đã xây dựng một hệ thống tự động hóa có khả năng xử lý hàng trăm gigabyte dữ liệu, tích hợp các hệ thống khác nhau mà trước đây thường phải thao tác thủ công trên các notebook Jupyter. Chính sự đột phá về mặt kỹ thuật này đã tạo ra khối lượng công việc đủ lớn để thu hút sự chú ý của các nhà vật lý thiên văn, những người sau đó đã hỗ trợ anh hoàn thiện kết quả để có thể được bình duyệt chặt chẽ và công bố trên tạp chí The Astronomical Journal.

Vai Trò Của Chụp Ảnh Độ Phân Giải Cao Trong Xác Nhận Hành Tinh

Nghiên cứu không chỉ dừng lại ở việc xác nhận các hành tinh mới. Một phần quan trọng của công trình tập trung phân tích tác động của chụp ảnh độ phân giải cao (high-resolution imaging) – một kỹ thuật quan sát bổ sung – trong quá trình xác nhận.

Sử dụng một pipeline tự động dựa trên công cụ TRICERATOPS, nhóm nghiên cứu đã tính toán xác suất dương tính giả (FPP) cho 443 ứng viên hành tinh của TESS. Đối với 264 ứng viên có dữ liệu chụp ảnh độ phân giải cao, họ chạy mô hình hai lần: một lần với dữ liệu chụp ảnh (dưới dạng contrast curves) và một lần không có. Kết quả cho thấy một sự thật quan trọng:

72% trong số 68 hành tinh đã được xác nhận với sự hỗ trợ của ảnh chụp độ phân giải cao sẽ không vượt qua quy trình xác nhận nếu không có dữ liệu này.

Ảnh hưởng này còn lớn hơn đối với các hành tinh nhỏ. Cụ thể:

• 100% các hành tinh có kích thước dưới 1.7 R⊕ (bán kính Trái Đất) cần dữ liệu chụp ảnh để được xác nhận.
• 33% các hành tinh lớn hơn 4 R⊕ (siêu Trái Đất hoặc sao Hải Vương) cần dữ liệu này.

Điều này cho thấy, trong mẫu nghiên cứu và phân tích dựa trên TRICERATOPS, sự sẵn có của hình ảnh độ phân giải cao là yếu tố then chốt giới hạn trực tiếp số lượng hành tinh nhỏ được xác nhận, qua đó ảnh hưởng đến nguồn cung các mục tiêu tiềm năng cho các nghiên cứu khí quyển sâu hơn.

Thành Quả và Ý Nghĩa Đối Với Khoa Học Vũ Trụ

Nghiên cứu đã thống kê xác nhận 64 ngoại hành tinh TESS mới, với kích thước trải dài từ 0.94 đến 7.83 lần bán kính Trái Đất, quay quanh các ngôi sao chủ thuộc loại phổ từ M đến F. Trong số này, có 4 hành tinh được đánh giá là rất phù hợp cho các quan sát tiếp theo bằng kính viễn vọng không gian James Webb (JWST) dựa trên các chỉ số về quang phổ truyền qua và phát xạ.

Việc áp dụng AI để tự động hóa một quy trình vốn phức tạp và tốn thời gian như vậy không chỉ là một câu chuyện về công nghệ. Nó cho thấy tiềm năng to lớn của việc kết hợp AI với khoa học dữ liệu trong lĩnh vực thiên văn học, một lĩnh vực thường được coi là chuyên sâu và khó tiếp cận. Câu chuyện của Michael Collier là một ví dụ điển hình và đầy cảm hứng: với một công cụ hiệu quả, một người ngoài ngành hoàn toàn có thể tạo ra những đóng góp mang tính đột phá cho khoa học vũ trụ.