FLIP bygger en virtuell modell av teleskopet och anpassar den efter observationerna för att skilja stjärnljus från svaga planetsignaler. Metoden optimerar miljontals modellparametrar med automatisk differentiering – ett beräkningsverktyg, inte i sig ett belägg för att FLIP är ett AI system.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How did the Northwestern University led team’s Physics based Learning for Imaging Planets (FLIP) method, reported in Nature on November 4, u. Article summary: FLIP’s central advance was to fit a physics based model of the telescope’s starlight to the observations, rather than rely solely on subtracting another star’s image; that let it compensate computationally for instrument. Topic tags: general web, ai, workflow, productivity, code. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, chart
En planet som tidigare drunknade i sin stjärnas bländande sken har blivit synlig i James Webb-teleskopets data efter att forskare bearbetat observationerna på ett nytt sätt. Metoden, som kallas FLIP, gav en detektion av den redan kända exoplaneten 51 Eridani b vid en våglängd på 4,3 mikrometer. Studien publicerades i Nature den 4 november 2026. 1
2
När astronomer försöker avbilda en planet nära en stjärna måste de hantera ett stort problem: stjärnans ljus kan överglänsa planeten. FLIP, en förkortning av Physics-based Learning for Imaging Planets, angriper problemet genom att skapa en digital tvilling av teleskopet – en virtuell modell som simulerar hur stjärnljuset färdas genom speglarna och når detektorerna. 1
Forskarna använder en flexibel, fysikbaserad modell för att förutsäga hur stjärnljuset bör se ut i bilden. Sedan finjusteras modellen genom en optimering i flera steg, så att den kan ta hänsyn till förändringar och instabilitet i instrumentet innan det oönskade ljuset dras bort. 1
2
Studien beskriver hur teamet använde automatisk differentiering, ofta kallad autodiff, för att optimera miljontals parametrar i modellen. 2 Det är avancerad beräkning, men själva metoden bygger på en fysisk modell av teleskopet. Att använda verktyg som också förekommer inom maskininlärning innebär inte i sig att FLIP är ett AI-system.
1
2
Skillnaden är viktig: modellen försöker beskriva hur ljuset och instrumentet samverkar, och justerar den beskrivningen mot observationerna. På så sätt kan den kompensera för skillnader mellan bilder som annars riskerar att lämna kvar stjärnljus och dölja en planet. 1
2
Teamet testade FLIP på tidigare observationer från James Webb-teleskopet. Enligt studien förbättrades känsligheten för svaga planetsignaler med 2–15 gånger jämfört med standardtekniker. Det handlar alltså om att få ut mer information ur redan insamlade data, inte om en förändring av teleskopets hårdvara. 1
2
Ett tydligt exempel är 51 Eridani b. Planeten var känd sedan tidigare, men FLIP gjorde det möjligt att skilja dess signal från stjärnljuset vid 4,3 mikrometer, där den inte hade kunnat urskiljas med den tidigare bearbetningen. Det är en ny detektion i den här delen av observationerna – inte upptäckten av en ny planet. 2
Studien lyfter också fram observationer av TYC 5899, där det inte finns några kända följeslagare och där instrumentets optiska avvikelser förändrades mellan referens- och vetenskapsobservationerna. Det gav forskarna ett test av hur metoden hanterar sådana skillnader. 2
Resultaten visar att en fysikbaserad modell kan hjälpa astronomer att hitta svagare planetsignaler i befintliga teleskopdata. Däremot räcker de tillgängliga uppgifterna inte för att slå fast hur mycket metoden skulle kunna minska stabilitetskraven på framtida observatorier.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
FLIP bygger en virtuell modell av teleskopet och anpassar den efter observationerna för att skilja stjärnljus från svaga planetsignaler.
FLIP bygger en virtuell modell av teleskopet och anpassar den efter observationerna för att skilja stjärnljus från svaga planetsignaler. Metoden optimerar miljontals modellparametrar med automatisk differentiering – ett beräkningsverktyg, inte i sig ett belägg för att FLIP är ett AI system.
På redan insamlade data ökade känsligheten enligt studien med 2–15 gånger, och metoden gav en detektion av den kända planeten 51 Eridani b vid 4,3 mikrometer.
FLIP bygger en virtuell modell av teleskopet och anpassar den efter observationerna för att skilja stjärnljus från svaga planetsignaler. Metoden optimerar miljontals modellparametrar med automatisk differentiering – ett beräkningsverktyg, inte i sig ett belägg för att FLIP är ett AI system.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How did the Northwestern University led team’s Physics based Learning for Imaging Planets (FLIP) method, reported in Nature on November 4, u. Article summary: FLIP’s central advance was to fit a physics based model of the telescope’s starlight to the observations, rather than rely solely on subtracting another star’s image; that let it compensate computationally for instrument. Topic tags: general web, ai, workflow, productivity, code. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, chart
En planet som tidigare drunknade i sin stjärnas bländande sken har blivit synlig i James Webb-teleskopets data efter att forskare bearbetat observationerna på ett nytt sätt. Metoden, som kallas FLIP, gav en detektion av den redan kända exoplaneten 51 Eridani b vid en våglängd på 4,3 mikrometer. Studien publicerades i Nature den 4 november 2026. 1
2
När astronomer försöker avbilda en planet nära en stjärna måste de hantera ett stort problem: stjärnans ljus kan överglänsa planeten. FLIP, en förkortning av Physics-based Learning for Imaging Planets, angriper problemet genom att skapa en digital tvilling av teleskopet – en virtuell modell som simulerar hur stjärnljuset färdas genom speglarna och når detektorerna. 1
Forskarna använder en flexibel, fysikbaserad modell för att förutsäga hur stjärnljuset bör se ut i bilden. Sedan finjusteras modellen genom en optimering i flera steg, så att den kan ta hänsyn till förändringar och instabilitet i instrumentet innan det oönskade ljuset dras bort. 1
2
Studien beskriver hur teamet använde automatisk differentiering, ofta kallad autodiff, för att optimera miljontals parametrar i modellen. 2 Det är avancerad beräkning, men själva metoden bygger på en fysisk modell av teleskopet. Att använda verktyg som också förekommer inom maskininlärning innebär inte i sig att FLIP är ett AI-system.
1
2
Skillnaden är viktig: modellen försöker beskriva hur ljuset och instrumentet samverkar, och justerar den beskrivningen mot observationerna. På så sätt kan den kompensera för skillnader mellan bilder som annars riskerar att lämna kvar stjärnljus och dölja en planet. 1
2
Teamet testade FLIP på tidigare observationer från James Webb-teleskopet. Enligt studien förbättrades känsligheten för svaga planetsignaler med 2–15 gånger jämfört med standardtekniker. Det handlar alltså om att få ut mer information ur redan insamlade data, inte om en förändring av teleskopets hårdvara. 1
2
Ett tydligt exempel är 51 Eridani b. Planeten var känd sedan tidigare, men FLIP gjorde det möjligt att skilja dess signal från stjärnljuset vid 4,3 mikrometer, där den inte hade kunnat urskiljas med den tidigare bearbetningen. Det är en ny detektion i den här delen av observationerna – inte upptäckten av en ny planet. 2
Studien lyfter också fram observationer av TYC 5899, där det inte finns några kända följeslagare och där instrumentets optiska avvikelser förändrades mellan referens- och vetenskapsobservationerna. Det gav forskarna ett test av hur metoden hanterar sådana skillnader. 2
Resultaten visar att en fysikbaserad modell kan hjälpa astronomer att hitta svagare planetsignaler i befintliga teleskopdata. Däremot räcker de tillgängliga uppgifterna inte för att slå fast hur mycket metoden skulle kunna minska stabilitetskraven på framtida observatorier.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
FLIP bygger en virtuell modell av teleskopet och anpassar den efter observationerna för att skilja stjärnljus från svaga planetsignaler.
FLIP bygger en virtuell modell av teleskopet och anpassar den efter observationerna för att skilja stjärnljus från svaga planetsignaler. Metoden optimerar miljontals modellparametrar med automatisk differentiering – ett beräkningsverktyg, inte i sig ett belägg för att FLIP är ett AI system.
På redan insamlade data ökade känsligheten enligt studien med 2–15 gånger, och metoden gav en detektion av den kända planeten 51 Eridani b vid 4,3 mikrometer.