ระบบจำแนกดาวเคราะห์นอกระบบสุริยะโดย Machine Learning เพื่อการหาดาวเคราะห์คล้ายโลกในเขตที่เหมาะสมต่อสิ่งมีชีวิต
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
ธนกร ไชยยศ
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
ศราวุธ ปุดมาเล
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
ในการหาเขตที่เหมาะสมต่อสิ่งมีชีวิตหรือ Habitable Zone ของดาวเคราะห์นอกระบบสุริยะ จะต้องใช้ข้อมูลพารามิเตอร์ที่ใช้ในการคาดการณ์โดยข้อมูลเหล่านั้นมีจำนวนมาก ดังนั้น Machine Learning จึงถูกมาเพื่อใช้ในการจำแนกประเภทของดาวเคราะห์นอกระบบสุริยะ ซึ่งมีหลายงานวิจัยที่นำ Machine Learning มาทำการจำแนกประเภทของดาวเคราะห์นอกระบบสุริยะ เช่น งานวิจัยของ Aahish N. H. และคณะ ที่ทำการศึกษาการจำแนกดาวเคราะห์นอกระบบสุริยะโดยใช้อัลกอริทึม K-Nearest Neighbors (K-NN) ควบคู่กับ Support Vector Machine (SVM) และ K-means พบว่าอัลกอริทึมเหล่านี้สามารถใช้ในการจำแนกชนิดของดาวเคราะห์นอกระบบสุริยะได้ รวมถึงงานวิจัยของ Digvijay P. และคณะ ที่ทำการจำแนกและทำนายผลของการใช้อัลกอริทึม Random Forest และจากการศึกษาก็พบว่าอัลกอริทึม Random Forest มีความแม่นยำที่ ร้อยละ 99 ทั้งนี้ในงานวิจัยที่เกี่ยวข้องทั้งสองเป็นงานวิจัยที่ทำการจำแนกประเภทดาวเคราะห์นอกระบบสุริยะเท่านั้น
โครงงานนี้จึงทำการพัฒนาระบบการจำแนกประเภทของดาวเคราะห์นอกระบบสุริยะ โดยพัฒนาอัลกอริทึมของ Machine Learning และทำการหาโมเดลที่แม่นยำที่สุดเพื่อนำไปพัฒนาระบบในการหาดาวเคราะห์คล้ายโลกที่อยู่ในเขตที่เหมาะสมต่อสิ่งมีชีวิต (Habitable zone) และนำไปประยุกต์สร้างส่วนต่อประสานกราฟิกกับผู้ใช้ (Graphic User Interface: GUI) เพื่อช่วยเหลือนักดาราศาสตร์ในการค้นหาดาวเคราะห์คล้ายโลกที่อยู่ในเขตที่เหมาะสมต่อสิ่งมีชีวิต