به گزارش ایسنا به نقل از فیز، در این مطالعه از "شبکه‌های عصبی مصنوعی"(ANNs) برای طبقه‌بندی سیارات به پنج نوع برای تخمین احتمال زندگی در هر کدام از آنها، استفاده شده است.

این تحقیق امروز توسط "کریستوفر بیشاپ"(Christopher Bishop) در گردهمایی"هفته نجوم وعلوم فضایی اروپا"(EWASS) در لیورپول ارائه شده است.

شبکه‌های عصبی مصنوعی سیستم‌هایی هستند که تلاش می‌کنند تا همانند مغز انسان چیزها را بیاموزند.

آنها یکی از ابزارهای اصلی مورد استفاده در یادگیری ماشین هستند و در شناسایی الگوهایی که برای مغز بیولوژیکی پردازش آنها بسیار پیچیده است، بسیار خوب عمل می‌کنند.

تیم مرکز رباتیک و سیستم عصبی دانشگاه پلیموث، شبکه خود را برای طبقه بندی سیارات به پنج نوع مختلف زمین کنونی، زمین اولیه، سیاره مریخ، زهره و تیتان بزرگ‌ترین قمر زحل تنظیم کرده‌اند. تمام این پنج جرم(سیارات)، یکی از اجزای قابل سکنی در منظومه شمسی ما هستند.

بیشاپ گفت: ما همچنین برنامه داریم تا از آنتن‌های فرنل بزرگ، قابل گسترش، برای فرستادن داده‌ها به زمین از پروب بین ستاره‌ای در فواصل بزرگ استفاده کنیم.

مشاهدات جوی از پنج منظومه خورشیدی به عنوان ورودی‌ به شبکه ارائه می‌شوند. بیشاپ شبکه را با بیش از صدها پروفایل طیفی گوناگون آموزش داده است، که هر کدام با چند صد پارامتر، وضعیت سکونت را ارتقا می‌دهند.

تاکنون پلتفرم‌های شبکه در آزمایش‌های طیفی خوب عمل کرده‌اند که پیش از این دیده نشده بود.

دکتر "آنجلو کنگلوسی"(Angelo Cangelosi) سرپرست پروژه می‌گوید:  با توجه به نتایج بدست آمده تاکنون، این روش می‌تواند برای طبقه‌بندی انواع مختلفی از سیارات فرا خورشیدی با استفاده از نتایج حاصل از مشاهدات زمینی بسیار مفید باشد.