Когда планета проходит перед диском своей звезды, звёздный свет пронизывает её атмосферу и частично поглощается — каждый газ оставляет в спектре характерный цветовой отпечаток, словно горьковатый или сладкий штрих в сложном блюде. Учёные пытаются расшифровать этот рецепт: какие химические вещества и в каких пропорциях смешаны в воздухе чужого мира. Прежние вычислительные методы действовали как повар с завязанными глазами — перебирали миллионы вариантов состава вслепую, подгоняя модель под наблюдаемый спектр.

Нейросеть Exoformer работает подобно опытному дегустатору. Она быстро предлагает главные ингредиенты и их пропорции. Обученная на тысячах симулированных «блюд» — модельных атмосфер гигантских планет у других звёзд, так называемых горячих юпитеров, — она справляется в 3–8 раз быстрее прежних методов, не теряя в точности. Поразительно, что тренировки на искусственно сгенерированных спектрах оказалось достаточно для безошибочной работы с реальными наблюдательными данными.

Проверка на реальных данных телескопа JWST (космический телескоп Джеймса Уэбба) для миров WASP-39b и WASP-17b подтвердила: Exoformer выдаёт те же составы, что и традиционные долгие вычисления, основанные на детальном физическом моделировании. Такой гибридный подход — сочетание быстрой нейросетевой оценки и последующего уточнения — открывает путь к оперативному анализу лавины спектральных отпечатков от новых телескопов и, возможно, приближает момент, когда мы найдём атмосферу, пригодную для дыхания.