AI prohledala 2,2 milionu hvězd a potvrdila 118 nových planet. Astronomie nikdy nebyla tak rychlá

Hledání exoplanet – tedy planet obíhajících jiné hvězdy než Slunce – je v principu jednoduché: čekáte, až planeta přejde před svou hvězdou, a měříte, o kolik hvězda ztmavne. V praxi je to záležitost, která připomíná hledání stínu mravence procházejícího před pouliční lampou z vzdálenosti kilometrů. NASA satelit TESS, spuštěný v roce 2018, tento problém řeší tím, že systematicky sleduje stovky tisíc hvězd najednou. Za čtyři roky provozu nashromáždil data o více než dvou milionech hvězdných objektů. A právě tehdy nastoupila umělá inteligence.

Co je RAVEN a jak funguje

RAVEN – zkratka pro RAnking and Validation of ExoplaNets – je AI pipeline vyvinutý týmem Andrease Hadjigeorghioua a Davida Armstronga z University of Warwick. Systém kombinuje bayesovský statistický rámec s dvojicí strojového učení: gradientním posíleným rozhodovacím stromem (XGBoost) a gaussovským procesovým klasifikátorem. Oba modely byly trénovány na rozsáhlých syntetických datasetech simulovaných planet a osmi typů astrofyzikálních falešně pozitivních signálů – tedy jevů, které přechodové křivky planet napodobují, ale planetami nejsou.

Největší technický problém detekce exoplanet není zachytit signál, ale rozpoznat, zda jde o planetu nebo o něco jiného. Ke konci roku 2025 bylo v Exoplanet Archive NASA vedeno přes 7 658 takzvaných TESS Objects of Interest – kandidátů na planety – z nichž více než polovina stále čekala na potvrzení nebo vyloučení. Ruční analýza každého takového kandidátu je zdlouhavá, nákladná a limitující pro rozsah celého výzkumu. RAVEN tento proces automatizuje: pro prahovou hodnotu pravděpodobnosti 0,9 dosahuje systém přesnosti 97 procent při správném rozlišení planet od falešně pozitivních signálů.

118 potvrzených planet, 2 000 kandidátů, tisíc zcela nových

Výsledky aplikace systému na data TESS byly publikovány v březnu 2026 v Monthly Notices of the Royal Astronomical Society. Vedoucí autorka studie Dr. Marina Lafarga Magro z University of Warwick výsledky shrnula stručně: pomocí RAVEN pipeline tým potvrdil 118 nových planet a identifikoval přes 2 000 vysoce kvalitních kandidátů, z nichž téměř 1 000 bylo zcela nových – dříve vůbec neoznačených. Studie se záměrně soustředila na planety s krátkými oběžnými drahami – takové, které obletí svou hvězdu za méně než 16 dní. Právě tyto blízko obíhající světy jsou pro planetární vědu zvláštně cenné, protože jejich četnost a vlastnosti mohou vysvětlit mechanismy planetárního vzniku a migrace.

Mezi potvrzené objekty patří několik kategorií planet s mimořádnými vlastnostmi. Takzvané ultra-short-period planety dokončí oběh kolem hvězdy za méně než 24 hodin. Jiné tvoří těsné vícenásobné systémy – dvojice planet obíhajících tentýž mateřský objekt, jejichž existence nebyla dříve známa. A pak jsou tu planety v místě, kde by podle teorie být neměly.

Neptunova poušť a číslo, které ji poprvé změřilo

Neptunova poušť je oblast blízko hvězdy, kde planety velikosti Neptunu prakticky neexistují. Jde o jeden z nejzajímavějších fenoménů v planetární vědě a zároveň jeden z nejméně kvantifikovaných. Předpokladem bylo, že blízko k hvězdě jsou podmínky pro zachování takto velkých planet natolik nepříznivé – zejména kvůli intenzivnímu záření způsobujícímu odpařování atmosfér – že se podobné planety jednoduše nevyskytují. RAVEN data tento obraz zkomplikovala.

Doprovodná demografická studie publikovaná v MNRAS v lednu 2026, jejímž prvním autorem je Dr. Kaiming Cui z University of Warwick, přinesla poprvé přímé změření výskytu neptunových planet v této oblasti. Výsledek: planety Neptunova typu se vyskytují u pouhých 0,08 procenta hvězd podobných Slunci. Cui toto číslo okomentoval slovy, že poprvé lze přesně určit, jak prázdná tato poušť ve skutečnosti je. Ale zároveň: RAVEN v datech takové planety skutečně našel – včetně objektů na extrémně krátkých oběžných drahách, jejichž přežití v tak agresivním prostředí dosavadní modely špatně předpovídají. Každá taková planeta je výzvou pro teorie planetární evoluce.

Desetkrát přesnější než Kepler

Přidaná hodnota RAVEN výsledků přesahuje samotný počet potvrzených planet. Systém poskytuje doposud nejpřesnější demografický přehled blízko obíhajících exoplanet. Tým zjistil, že přibližně 9 až 10 procent hvězd podobných Slunci hostí alespoň jednu blízko obíhající planetu – číslo konzistentní s daty NASA mise Kepler, ale s desetkrát nižší nejistotou. Kepler byl po celá léta zlatým standardem pro statistiku exoplanet. RAVEN aplikovaný na data TESS ho nyní v přesnosti populačních měření překonává nebo mu alespoň vyrovnává.

David Armstrong, docent na University of Warwick a senior spoluautor studie, označil systém za dost robustní na to, aby mapoval výskyt odlišných typů planet kolem hvězd podobných Slunci způsobem, který není jen výčtem zajímavých objektů, ale skutečnou statistikou použitelnou pro testování planetárních modelů. To je posun: od katalogu ke skutečné vědě o populacích.

Proč na tom záleží: trilliony planet a AI jako jediný nástroj k jejich nalezení

Odhadovaný počet planet v samotné Mléčné dráze se pohybuje v řádu stovek miliard. Celkový odhadovaný počet planet ve vesmíru dosahuje trilionů. Lidé dosud potvrdili přibližně 6 000 exoplanet – NASA překonala tuto metu v září 2025. Propast mezi tím, co existuje, a tím, co víme, je astronomická v doslovném i přeneseném smyslu. Ruční analýza dat z teleskopů jako TESS, PLATO nebo budoucích přístrojů tuto propast nezaznamená. AI ano.

RAVEN pipeline byl veřejně uvolněn jako cloudová aplikace, přístupná pro celou vědeckou komunitu. Každý tým s přístupem k relevantním datům ho může použít k vlastním průzkumům. To mění dynamiku oboru: od úzkého hrdla omezeného kapacitou lidských analytiků k systému, kde limitujícím faktorem je množství kvalitních dat – a to se s každou novou misí zvyšuje. Astronomie vstoupila do fáze, kdy tempo discovery neurčuje velikost týmu, ale výpočetní výkon algoritmu.