Разработан и предлагается метод выявления оптических двойных звезд на основе использования астрометрических каталогов в сочетании с методами искусственного интеллекта (ИИ). Исследование проведено на примере каталога миссии HIPPARCOS и каталога Pan-STARRS (PS1) на массиве порядка 100 тыс. объектов, имеющих около 80 полей данных. При этом из анализа были исключены такие поля, которые включали ссылки на другие каталоги и источники данных. С применением методов ИИ, а именно, двух видов моделей, ансамбля полносвязных нейронных сетей и ансамбля деревьев решений, на примере указанных каталогов проведен вычислительный эксперимент. При обучении оптимизировалась метрика бинарной кросс-энтропии. Показано, что надежность предсказания двойственности звезд достигает 90-95%, что помогает обнаружить дополнительные двойные звезды по сравнению с классическими методами. Отмечено, что алгоритмы машинного обучения достаточно устойчиво выделяют группу значимых признаков, связанных со статистическими характеристиками наблюдаемых величин. Таким образом, обоснована плодотворность создания соответствующей платформы ИИ для проведения дальнейших исследований
