来自LMU, ORIGINS卓越集群，马克斯普朗克地外物理研究所(MPE)和ORIGINS数据科学实验室(ODSL)的研究人员进行了研究系外行星大气分析的重要突破。
利用物理信息神经网络(pinn)，他们成功地以比以前更高的精度模拟了系外行星大气中复杂的光散射。这种方法为分析系外行星大气，特别是云的影响开辟了新的机会，并可以大大提高我们对这些遥远世界的理解。
当遥远的系外行星从它们的恒星前面经过时，它们阻挡了一小部分星光，而更小的一部分穿透了行星的大气层。这种相互作用导致了光谱的变化，这反映了大气的特性，如化学成分、温度和云量。
然而，为了能够分析这些测量的光谱，科学家们需要能够在短时间内计算数百万合成光谱的模型。只有随后将计算的光谱与测量的光谱进行比较，我们才能获得有关观测到的系外行星的大气成分的信息。更重要的是，来自詹姆斯·韦伯太空望远镜(JWST)的非常详细的新观测需要同样详细和复杂的大气模型。
系外行星研究的一个关键方面是大气中的光散射，特别是云的散射。以前的模型不能令人满意地捕捉到这种散射，这导致了光谱分析的不准确性。基于物理的神经网络在这方面具有决定性的优势，因为它们能够有效地求解复杂的方程。
在刚刚发表的研究中，研究人员训练了两个这样的网络。第一个模型是在没有考虑光散射的情况下建立的，它显示出令人印象深刻的准确性，相对误差大多在1%以下。与此同时，第二个模型结合了所谓的瑞利散射的近似值——同样的效应使得地球上的天空看起来是蓝色的。虽然这些近似还需要进一步的改进，但神经网络能够解决复杂的方程，这是一个重要的进步。
这些新发现之所以成为可能，要归功于慕尼黑大学物理学家、ORIGINS卓越集群、马克斯普朗克地外物理研究所(MPE)和ORIGINS数据科学实验室(ODSL)之间独特的跨学科合作，该实验室专门从事开发新的基于人工智能的物理方法。
“这种协同作用不仅推进了系外行星的研究，而且为基于人工智能的物理方法的发展开辟了新的视野，”该研究的主要作者、来自LMU的大卫·达尔·布尔丁解释说。“我们希望在未来进一步扩大我们的跨学科合作，以更高的精度模拟光从云层散射，从而充分利用神经网络的潜力。”
