17世纪,意大利天文学家伽利略发明了世界上第一台望远镜,也由此第一次观察到了月球上的山脉,土星的光环和环绕木星的卫星。今天,天文学家们依旧在向外太空探索,而不断进步的科技也为他们提供了更多新式武器。

最近,由英国华威大学的大卫•阿姆斯特朗(David Armstrong)领导的研究团队开发了一项新的机器学习算法,可以从NASA的数据中识别出“系外行星”——即太阳系外的行星。该团队已通过这一工具对一批“潜在行星”进行了识别,并从这些天体中确认出了50个新的行星,这也是有史以来第一次将人工智能技术应用于天文学领域。

该研究的论文发表在《皇家天文学会月刊》上。作者在摘要中写道:“我们的模型只要短短几秒就能对数千个肉眼看不见的‘候选行星’进行识别,确认其是否真的是行星。”考虑到许多天文学数据库的规模都大得惊人,该方法能大大提高人们探索世界的效率。

此前,科学家们——包括那些受雇于谷歌的科学家,就已经通过机器学习来识别可能存在的系外行星。然而,这项新实验仍有着开创性的意义——标志着科学家们首次将机器学习用于“验证”这一步,离最终结果的确认又近了一些,也因此涉及额外的数据计算。

这一算法的原理是将真假行星区分开来。阿姆斯特朗在一份声明中说:“我们现在不仅能说哪些候选行星‘更可能’是行星,而是可以用确切的数据说明这种可能性有多大:如果候选天体是‘假行星’的可能性小于1%,就可以被确认为是真正的行星。”

研究人员表示,科学家们识别出的行星大小各异:最大的和海王星差不多大,也有的比地球还小。它们围绕各自恒星的公转时长也不等,有的持续200天,也有的不到一天。

通过观察那些遥远恒星亮度的波动情况,天文学家们便能找出潜在的系外行星。如果恒星的亮度存在周期性的明暗变化,则表明其周围可能存在行星之类的绕行者。但据此判断也可能出现偏差,例如这种情况也可能是小行星等其他天体造成的,这就有了一定的欺骗性。

NASA曾开展过一项著名的“开普勒任务”,来探索那些绕遥远恒星运行的类地行星。如今,该任务已经终止,但研究人员仍能利用其已解析的数据库来训练他们的算法。一旦算法学会了如何辨认哪些是真行星、哪些是假行星,科学家就向它提供那些尚未确认的“候选行星”的数据。结果表明,在被识别的天体中,有50个通过验证,被确认为是新的行星。

这一人工智能技术也可以用来分析其他太空探测器收集到的数据——包括NASA于2018年4月发射的“凌日系外行星勘测卫星”(TESS)。该计划团队已于今夏完成了这场为期两年的调查的主要任务,发现了66颗新的系外行星和2100颗有待进确认的“候选系外行星”。

科学家说,除了TESS,这项新工具还可以用在欧洲航天局即将进行的PLATO计划中——该计划也旨在探索行星绕行状况和恒星波动状况。研究者指出,“由于观察到的目标天体数量庞大,这种自动化算法就显得十分必要。”

华威大学计算机系教授、论文的另一位作者西奥•达穆拉斯(Theo Damoulas)说,这一人工智能技术“特别适合用来解决天体物理学中像‘行星探测’这类令人振奋的问题”。(财富中文网)

17世纪,意大利天文学家伽利略发明了世界上第一台望远镜,也由此第一次观察到了月球上的山脉,土星的光环和环绕木星的卫星。今天,天文学家们依旧在向外太空探索,而不断进步的科技也为他们提供了更多新式武器。

最近,由英国华威大学的大卫•阿姆斯特朗(David Armstrong)领导的研究团队开发了一项新的机器学习算法,可以从NASA的数据中识别出“系外行星”——即太阳系外的行星。该团队已通过这一工具对一批“潜在行星”进行了识别,并从这些天体中确认出了50个新的行星,这也是有史以来第一次将人工智能技术应用于天文学领域。

该研究的论文发表在《皇家天文学会月刊》上。作者在摘要中写道:“我们的模型只要短短几秒就能对数千个肉眼看不见的‘候选行星’进行识别,确认其是否真的是行星。”考虑到许多天文学数据库的规模都大得惊人,该方法能大大提高人们探索世界的效率。

此前,科学家们——包括那些受雇于谷歌的科学家,就已经通过机器学习来识别可能存在的系外行星。然而,这项新实验仍有着开创性的意义——标志着科学家们首次将机器学习用于“验证”这一步,离最终结果的确认又近了一些,也因此涉及额外的数据计算。

这一算法的原理是将真假行星区分开来。阿姆斯特朗在一份声明中说:“我们现在不仅能说哪些候选行星‘更可能’是行星,而是可以用确切的数据说明这种可能性有多大:如果候选天体是‘假行星’的可能性小于1%,就可以被确认为是真正的行星。”

研究人员表示,科学家们识别出的行星大小各异:最大的和海王星差不多大,也有的比地球还小。它们围绕各自恒星的公转时长也不等,有的持续200天,也有的不到一天。

通过观察那些遥远恒星亮度的波动情况,天文学家们便能找出潜在的系外行星。如果恒星的亮度存在周期性的明暗变化,则表明其周围可能存在行星之类的绕行者。但据此判断也可能出现偏差,例如这种情况也可能是小行星等其他天体造成的,这就有了一定的欺骗性。

NASA曾开展过一项著名的“开普勒任务”,来探索那些绕遥远恒星运行的类地行星。如今,该任务已经终止,但研究人员仍能利用其已解析的数据库来训练他们的算法。一旦算法学会了如何辨认哪些是真行星、哪些是假行星,科学家就向它提供那些尚未确认的“候选行星”的数据。结果表明,在被识别的天体中,有50个通过验证,被确认为是新的行星。

这一人工智能技术也可以用来分析其他太空探测器收集到的数据——包括NASA于2018年4月发射的“凌日系外行星勘测卫星”(TESS)。该计划团队已于今夏完成了这场为期两年的调查的主要任务,发现了66颗新的系外行星和2100颗有待进确认的“候选系外行星”。

科学家说,除了TESS,这项新工具还可以用在欧洲航天局即将进行的PLATO计划中——该计划也旨在探索行星绕行状况和恒星波动状况。研究者指出,“由于观察到的目标天体数量庞大,这种自动化算法就显得十分必要。”

华威大学计算机系教授、论文的另一位作者西奥•达穆拉斯(Theo Damoulas)说,这一人工智能技术“特别适合用来解决天体物理学中像‘行星探测’这类令人振奋的问题”。(财富中文网)

Leave a comment

电子邮件地址不会被公开。 必填项已用*标注