در رویدادی که مرزهای میان علم آماتور و تحقیقات حرفه‌ای اخترشناسی را کمرنگ‌تر کرده است، پاول رابتسویچ، مدیر محصول ۲۸ ساله، با بهره‌گیری از ابزارهای هوش مصنوعی و داده‌های عمومی تلسکوپ فضایی TESS، موفق به شناسایی یک سیاره فراخورشیدی بالقوه شد که اکنون تحت نظارت دقیق دانشمندان ناسا قرار گرفته است.
تحلیل داده‌های کلان با تکیه بر دستیارهای هوشمند
پاول رابتسویچ بدون داشتن پیش‌زمینه آکادمیک در نجوم، با استفاده از داده‌های حجیم ماهواره نقشه‌بردار فراخورشیدی گذران (TESS) متعلق به ناسا، پروژه‌ای را برای شناسایی سیارات فراخورشیدی آغاز کرد. چالش اصلی او پردازش داده‌های مربوط به بیش از ۱۲۶ هزار ستاره بود که در حالت عادی، فرآیندی زمان‌بر و خسته‌کننده محسوب می‌شود. او با به‌کارگیری ترکیبی از مدل‌های زبانی بزرگ از جمله Claude Code، Jev و Codex، توانست به صورت تکرارشونده الگوهای افت نور ستاره‌ها را بررسی کند.
این فرآیند نه تنها خودکار نبود، بلکه رابتسویچ نقشی کلیدی در هدایت هوش مصنوعی ایفا کرد. او با بازخورد مداوم و اجرای بیش از ۷۴ تست مختلف، توانست مدل‌ها را وادار به اصلاح متدولوژی‌های خود کند. در نهایت، تمرکز او بر ستاره‌ای با شناسه TIC 4206066 معطوف شد که در فاصله ۱۱۶ سال نوری از زمین واقع شده است.
مشخصات فنی و یافته‌های رصدی
- نام ستاره: TIC 4206066
- فاصله تا زمین: حدود ۱۱۶ سال نوری
- دوره تناوب مداری سیاره: ۳.۱۸ روز زمینی
- ویژگی سیاره: حدود ۱.۴ برابر بزرگتر از زمین با دمای سطحی تقریبی ۵۳۸ درجه سانتی‌گراد
- ابزار تحلیل: مدل‌های LLM (Claude Code, Codex, Jev)
- داده‌های ورودی: رصدهای آرشیوی TESS از سال ۲۰۱۸ تا ۲۰۲۴
اعتبارسنجی علمی و چالش‌های سیگنال‌های کاذب
یکی از بزرگترین دشواری‌ها در اخترشناسی مدرن، تمایز میان سیارات واقعی و پدیده‌هایی نظیر سیستم‌های ستاره‌ای دوتایی (Binary stars) است که می‌توانند افت نور مشابهی ایجاد کنند. کوین هاردگری-اولمن از موسسه علمی سیارات فراخورشیدی ناسا (NExScI) تأکید می‌کند که هوش مصنوعی در «غربالگری اولیه» و «آماده‌سازی داده‌ها» بسیار کارآمد است، اما تایید نهایی همچنان نیازمند رصدهای دقیق تلسکوپی است. رابتسویچ برای اطمینان از یافته خود، مدل را به چالش کشید و از آن خواست با استفاده از داده‌های دو سال مجزا، زمان افت نور در سال سوم را پیش‌بینی کند که با موفقیت انجام شد.
آینده همکاری انسان و هوش مصنوعی در اخترشناسی
این مطالعه موردی نشان می‌دهد که هوش مصنوعی می‌تواند به عنوان یک کاتالیزور برای دموکراتیزه‌سازی علم عمل کند. با در دسترس بودن مدل‌های قدرتمند، اخترشناسان آماتور اکنون می‌توانند حجم عظیمی از داده‌های عمومی (Open Data) را تحلیل کنند که پیش از این برای دانشمندان حرفه‌ای نیز به دلیل محدودیت زمان و منابع، چالش‌برانگیز بود. با این حال، جامعه علمی بر لزوم دقت و اعتبارسنجی دقیق یافته‌های مبتنی بر هوش مصنوعی برای جلوگیری از اتلاف زمان تلسکوپ‌های ارزشمند تأکید دارد.
