Analisando as zonas habitáveis de planetas circumbinários usando o Machine Learning

O anel roxo é a trajetória do planeta e os anéis laranja são os limites internos e externos de HZ. Os parâmetros do sistema planetário são os mesmos para a mesma coluna, mas os critérios HZ são diferentes, então a classificação pode ser diferente.

A detecção de exoplanetas na última década por esforços incluindo as missões Kepler e TESS da NASA descobriu muitos mundos que diferem substancialmente dos planetas em nosso próprio Sistema Solar, incluindo mais de 150 exoplanetas orbitando sistemas binários ou multi-estrelas.

Isso não apenas amplia nossa compreensão da diversidade de exoplanetas, mas também promove nosso estudo de exoplanetas em sistemas binários complexos e fornece motivação para explorar sua habitabilidade. Neste estudo, investigamos as zonas habitáveis de planetas circumbinários com base na trajetória planetária e zonas habitáveis dinamicamente informadas. Nossos resultados indicam que a razão de massa e excentricidade orbital de estrelas binárias são fatores importantes que afetam a estabilidade orbital e habitabilidade de sistemas planetários.

Além disso, a trajetória planetária e as zonas habitáveis dinamicamente informadas dividem a habitabilidade planetária em três categorias: habitável, parcialmente habitável e inabitável. Portanto, treinamos um modelo de aprendizado de máquina para classificar esses sistemas planetários de maneira rápida e eficiente.

Publicado em 22/09/2021 06h45

Artigo original:

http://astrobiology.com/2021/09/analyzing-the-habitable-zones-of-circumbinary-planets-using-machine-learning.html

Estudo original:

https://arxiv.org/abs/2109.08735