.webp)
Mengapa planet tidak bertabrakan lebih sering? Dari semua kemungkinan cara planet mengorbit, berapa banyak konfigurasi yang akan tetap stabil selama miliaran tahun siklus hidup bintang? Pertanyaan seperti ini diolah kecerdasan buatan untuk memprediksi sistem planet mana yang bisa bertahan.
Menolak berbagai kemungkinan yang tidak stabil (semua konfigurasi yang akan menyebabkan tabrakan), akan meninggalkan pandangan yang lebih tajam tentang sistem planet di sekitar bintang lain. Tetapi itu tidak semudah kedengarannya.
"Memisahkan yang stabil dari konfigurasi yang tidak stabil ternyata menjadi masalah yang menarik dan sangat sulit," kata Daniel Tamayo, NASA Hubble Fellowship Program Sagan Fellow, ilmu astrofisika di Princeton, dikutip dari Phys.org.
SCROLL TO CONTINUE WITH CONTENT
Untuk memastikan sistem planet stabil, para astronom perlu menghitung pergerakan beberapa planet yang berinteraksi selama miliaran tahun dan memeriksa setiap konfigurasi yang mungkin untuk stabilitas. Ini adalah suatu upaya komputasi yang sulit dilakukan.
Sejak zaman Isaac Newton, para astronom bergulat dengan masalah stabilitas orbital. Meski perjuangan mereka berkontribusi pada banyak revolusi matematika, termasuk kalkulus dan teori chaos, tidak ada yang menemukan cara untuk memprediksi konfigurasi stabil secara teoritis. Astronom modern masih harus "memaksa" perhitungan, meskipun dengan superkomputer, bukan abaci atau slide rules.
Penghitungan dalam waktu singkat
Tamayo menyadari bahwa dia dapat mempercepat proses ini dengan menggabungkan model interaksi dinamis planet yang disederhanakan dengan metode machine learning. Hal ini memungkinkan penghapusan petak besar konfigurasi orbital yang tidak stabil dengan cepat. Perhitungan yang aslinya membutuhkan waktu puluhan ribu jam, kini dapat dilakukan dalam hitungan menit.
"Kami tidak dapat dengan tegas mengatakan 'sistem planet yang ini akan baik-baik saja, sedangkan yang lainnya akan segera meledak'. Tujuannya adalah, untuk sistem tertentu, untuk mengesampingkan semua kemungkinan tidak stabil yang sudah bertabrakan dan tidak mungkin ada saat ini," ujarnya.
Alih-alih mensimulasikan konfigurasi tertentu untuk satu miliar orbit (sebagai gambaran, dengan pendekatan brute force memakan waktu sekitar 10 jam), model yang dibuat Tamayo mensimulasikan 10.000 orbit dan hanya membutuhkan sepersekian detik.
Dari cuplikan singkat ini, mereka menghitung 10 metrik ringkasan yang menangkap dinamika resonansi sistem. Terakhir, mereka melatih algoritma machine learning untuk memprediksi dari 10 fitur ini, apakah konfigurasi akan tetap stabil jika mereka membiarkannya terus mencapai satu miliar orbit.
"Kami menyebut model SPOCK-Stability of Planetary Orbital Configurations Klassifier-sebagian karena model tersebut menentukan apakah sistem akan 'hidup lama dan makmur'," kata Tamayo.
SPOCK menentukan stabilitas jangka panjang dari konfigurasi planet sekitar 100.000 kali lebih cepat dari pendekatan sebelumnya, memecahkan kemacetan komputasi.
Tamayo mengingatkan bahwa dia dan rekan-rekannya belum "menyelesaikan" masalah umum stabilitas planet. SPOCK secara andal mengidentifikasi ketidakstabilan cepat dalam sistem kompak, yang menurut mereka paling penting dalam mencoba melakukan karakterisasi yang dibatasi stabilitas.
"Metode baru ini akan memberikan jendela yang lebih jelas ke dalam arsitektur orbital sistem planet di luar kita sendiri," kata Tamayo.
Jessie Christiansen, astrofisikawan dari NASA Exoplanet Archive yang tidak terlibat dalam penelitian ini menyebutkan, SPOCK sangat membantu untuk memahami beberapa sistem planet samar dan jauh yang baru-baru ini terlihat oleh teleskop Kepler.
"Sulit untuk membatasi properti mereka dengan instrumen yang ada saat ini. Apakah itu planet berbatu, raksasa es, atau raksasa gas? Atau sesuatu yang baru? Setidaknya, alat baru ini akan memungkinkan kita untuk mengesampingkan komposisi dan konfigurasi planet potensial yang secara dinamis tidak stabil, dan memungkinkan kita melakukannya dengan lebih tepat dan pada skala yang jauh lebih besar dibandingkan yang tersedia sebelumnya," tutupnya.
(rns/rns)
