JAKARTA — Pemanfaatan teknologi Kecerdasan Buatan (Artificial Intelligence/AI) dalam dunia sains antariksa mencetak rekor baru. Model machine learning canggih yang dikembangkan oleh tim peneliti dari University of Bern bersama National Centre of Competence in Research (NCCR) PlanetS di Swiss berhasil mengidentifikasi sedikitnya 44 sistem planet baru yang berpotensi memiliki planet mirip Bumi yang selama ini tak terdeteksi teleskop konvensional.
Laporan dari CNBC Indonesia mencatat bahwa riset yang dipublikasikan dalam jurnal ilmiah ternama Astronomy & Astrophysics ini menunjukkan model AI tersebut mampu mencapai tingkat presisi prediksi hingga 99 persen.
Cara Kerja Algoritma Machine Learning Mendeteksi Planet Tersembunyi
Pengembangan algoritma ini dipelopori oleh peneliti Jeanne Davoult bersama Romain Eltschinger dan Yann Alibert. Model AI dirancang khusus untuk memindai susunan planet yang sudah diketahui guna menemukan jejak keberadaan planet lain yang terlalu kecil atau redup untuk ditangkap oleh instrumen pengamatan biasa:
1. Pembacaan Arsitektur Sistem dan Massa Orbit
Planet-planet dalam suatu sistem terbentuk secara bersamaan dari piringan gas dan material padat di sekitar bintang muda. Proses pertumbuhan, migrasi, dan interaksi gravitasi antarplanet meninggalkan pola unik pada massa dan jarak orbitnya:
-
Pola Peas in a Pod: Beberapa sistem memiliki susunan planet dengan ukuran dan jarak yang sangat seragam.
-
Deteksi Gravitasi: Massa serta periode orbit dari planet bagian dalam yang terdeteksi menjadi indikator utama AI untuk memprediksi keberadaan “kembaran Bumi” di zona yang lebih luar.
Simulasi Puluhan Ribu Sistem Planet Sintetis dan Uji Presisi
Guna melatih model AI menghadapi keterbatasan data teleskop riil, tim peneliti memanfaatkan Bern Model of Planet Formation and Evolution untuk merancang puluhan ribu sistem planet sintetis dengan rentang waktu perkembangan hingga 10 miliar tahun.
1. Metode Random Forest
Algoritma AI ini bekerja menggunakan metode random forest yang terdiri dari 500 pohon keputusan (decision trees):
-
Pelatihan Data: Sebanyak 80 persen data sintetis digunakan untuk melatih sistem, sementara 20 persen sisanya digunakan untuk tahap pengujian ketat.
-
Tingkat Akurasi: Ketika ambang batas keputusan ditetapkan di atas 90 persen, tingkat presisi model mencapai 99 persen pada sistem bintang bermassa besar dan 94 persen pada bintang berukuran kerdil.
“Keberhasilan metode pemodelan AI ini menjadi peta jalan baru bagi para astronom dunia untuk mengarahkan teleskop canggih ke sasaran yang lebih presisi dalam mengonfirmasi keberadaan planet layak huni di luar Tata Surya,” ulas analisis teknologi dari CNBC Indonesia.
Comment