Öte gezegenlerin atmosferlerini incelemek için kullanılan Yüksek Çözünürlüklü Çapraz Korelasyon Spektroskopisi (HRCCS) yöntemi, son yıllarda büyük ilerlemeler kaydetmesine rağmen, referans spektroskopik veri listelerin doğruluğu konusunda önemli zorluklar yaşanıyordu. Özellikle atmosferik iz gazların ana izotop türleri iyi karakterize edilmiş olsa da, gezegen oluşum tarihi ve evrimi hakkında kritik bilgiler sunan nadir izotoplar için yeterli deneysel veri bulunmuyordu.
Bu soruna çözüm arayan araştırmacılar, ExoMol projesinde kullanılan izotopoloğ ekstrapolasyon yönteminin hata oranlarını azaltmak için kapsamlı bir makine öğrenmesi çerçevesi geliştirdi. Sistem, tam bağlantılı sinir ağı mimarisi kullanarak moleküllerin enerji düzeltmelerini yüksek doğrulukla tahmin edebiliyor.
Karbondioksit molekülü üzerinde test edilen yöntem, orijinal yaklaşıma kıyasla ortalama mutlak hatayı %87 oranında azaltmayı başardı. Bu gelişme, öte gezegen atmosferlerindeki moleküllerin daha hassas tespit edilmesini sağlayarak, bu uzak dünyaların oluşum süreçleri ve atmosferik kompozisyonları hakkında daha güvenilir bilgiler elde edilmesine olanak tanıyor.
Yapay zekanın spektroskopi alanındaki bu uygulaması, sadece öte gezegen araştırmalarını değil, aynı zamanda atmosferik kimya ve moleküler fizik alanlarında da önemli ilerlemelere kapı açıyor.