Однако для анализа этих измеренных спектров ученым требуются модели, способные обрабатывать миллионы синтетических спектров за короткое время. Только путём последующего сравнения рассчитанных спектров с измеренными астрофизики получают информацию о составе атмосферы наблюдаемых экзопланет.

Более того, новые подробные наблюдения, полученные с помощью космического телескопа «Джеймс Уэбб» (JWST), требуют создания столь же подробных и сложных атмосферных моделей.

Ключевым аспектом исследования экзопланет является рассеяние света в атмосфере, в частности, рассеяние облаками. Предыдущие модели не могли удовлетворительно уловить это рассеяние, что приводило к неточностям в спектральном анализе.

Нейронные сети дают здесь решающее преимущество, поскольку они способны эффективно решать сложные уравнения. В опубликованном исследовании исследователи обучили две такие сети. Первая модель, которая была разработана без учёта рассеяния света, продемонстрировала впечатляющую точность с относительными ошибками менее 1%.

Вторая модель включала приближения рэлеевского рассеяния — того же эффекта, который заставляет небо казаться голубым на Земле. Хотя эти приближения требуют дальнейшего улучшения, нейронная сеть смогла решить сложное уравнение, что представляет собой важный шаг вперёд.

«Междисциплинарная синергия не только продвигает исследования экзопланет, но и открывает новые горизонты для разработки методов на основе ИИ в физике. В будущем мы хотим ещё больше расширить сотрудничество, чтобы с большей точностью моделировать рассеяние света облаками и, таким образом, в полной мере использовать потенциал нейронных сетей», — прокомментировал ведущий автор исследования Дэвид Дальбуддинг из Университета Людвига-Максимилиана.