這種方法可以節(jié)省天文學(xué)家在宇宙中尋找生命的大量時間。

簡介：華威大學(xué)最近使用一種AI算法，通過大數(shù)據(jù)學(xué)習(xí)使AI可以在觀測時即時識別行星凌日信號，自動識別出系外行星，目前使用這套算法已經(jīng)發(fā)現(xiàn)了50顆新的系外行星。

1995年，當(dāng)天文學(xué)家Aleksander Wolszczan和Dale Frail正在觀察一個遙遠(yuǎn)的脈沖星時，他們注意到它的脈沖光的信號頻率似乎跳過了一個節(jié)拍。

這個偏離節(jié)奏的脈沖光使得第一顆系外行星——名為飛馬座51b被發(fā)現(xiàn)。從那之后，尋找圍繞太陽以外的恒星運(yùn)行的不尋常的且遙遠(yuǎn)的星球(像地球的)的行業(yè)開始蓬勃發(fā)展，而且迄今為止，有超過4000顆系外行星得到證實(shí)。

伴隨著正在宇宙中進(jìn)行搜尋的太空任務(wù)，這項(xiàng)研究仍在繼續(xù)。為了加快這一進(jìn)程，一個天文學(xué)家團(tuán)隊(duì)提出了一種新的機(jī)器學(xué)習(xí)算法。這個算法可以排除誤報(bào)，確認(rèn)真正的系外行星。

在人工智能系統(tǒng)的幫助下，來自華威大學(xué)的天文學(xué)家團(tuán)隊(duì)確認(rèn)了 50 顆新行星的存在。

這項(xiàng)新技術(shù)在本周發(fā)表在《皇家天文學(xué)會月報(bào)》上的一項(xiàng)研究中有詳細(xì)介紹。

美國宇航局的開普勒任務(wù)最近發(fā)現(xiàn)的一些系外行星的例子。NASA/Ames/JPL-Caltech

正在進(jìn)行的系外行星發(fā)掘任務(wù)背后的兩個主要任務(wù)是美國宇航局的開普勒任務(wù)和凌日系外行星調(diào)查衛(wèi)星(TESS)任務(wù)。開普勒望遠(yuǎn)鏡對恒星進(jìn)行近景拍攝，看看是否有行星在宜居區(qū)內(nèi)運(yùn)行，而TESS則調(diào)查天空中20萬顆最亮的恒星。

當(dāng)一顆行星在其主恒星前凌日時，它會導(dǎo)致恒星的光線輕微下降。系外行星獵人尋找這一下降作為一個線索，表面可能有一個行星正圍繞該恒星公轉(zhuǎn)。但是在最初的探測之后，天文學(xué)家需要確認(rèn)引起了光線的變化的實(shí)際上是一顆行星。

有超過3000個這樣的信號等待被確認(rèn)為行星，而不是錯檢。

大衛(wèi)·阿姆斯特朗是華威大學(xué)物理系的教授，也是這項(xiàng)新研究背后的主要發(fā)起者，他想編譯一種有助于天文學(xué)家更快地篩選這些數(shù)據(jù)的算法，。

“我們想開發(fā)這個算法來處理正在進(jìn)行的任務(wù)?！卑⒛匪固乩矢嬖V天文在線，“這比以前更加快捷，并且我們可以把他運(yùn)用到更多的候選行星”

研究人員通過輸入大量已確認(rèn)的行星和誤報(bào)來訓(xùn)練該算法來區(qū)分行星的真實(shí)與否。通過與數(shù)據(jù)庫中的數(shù)據(jù)對比，機(jī)器學(xué)習(xí)系統(tǒng)學(xué)會了如何區(qū)分這兩類。

然后，研究人員們在數(shù)千顆未經(jīng)確認(rèn)的行星的數(shù)據(jù)集中使用了該算法，其中包括美國宇航局開普勒計(jì)劃中搜尋到的那些行星。

該算法能夠從數(shù)據(jù)集中確認(rèn)50顆新行星。這些行星是尺寸在海王星大小到與地球相近的巨星，它們的軌道從一天到200天不等。

阿姆斯壯（Armstrong）說：“我們所做的與其他機(jī)器學(xué)習(xí)技術(shù)的不同之處在于，我們試圖基于概率確認(rèn)哪些是在統(tǒng)計(jì)上可能是行星的新行星，而不是僅僅對它們進(jìn)行排序?！?/p>

以前的機(jī)器學(xué)習(xí)算法會根據(jù)系外行星成為行星的可能性進(jìn)行排序，但這個新的算法系統(tǒng)決定每顆新行星本身成為一顆行星的概率。

“輸出的50個新行星超過了判斷是行星的概率為99%的閾值?！卑⒛匪固乩收f，“這些都是越過了這條線的行星?！?/p>

隨著系外行星的新發(fā)現(xiàn)的繼續(xù)，研究人員將繼續(xù)為算法系統(tǒng)提供更多的候選行星，并且它將逐步提高其技能。我們越快地從虛假的行星中確認(rèn)真實(shí)的行星，就能越快地在宇宙中追蹤這些行星并探尋可居住性。

摘要：迄今為止，已知的～4000顆系外行星中超過30%的已經(jīng)通過“驗(yàn)證”被發(fā)現(xiàn)，其中計(jì)算了由錯檢(FP：把非行星當(dāng)作行星情況)引起的非行星情景的統(tǒng)計(jì)可能性。對于絕大多數(shù)經(jīng)過驗(yàn)證的行星，計(jì)算是使用vespa（開源大數(shù)據(jù)服務(wù)引擎）計(jì)算程序進(jìn)行(Morton碼或其他算法。2016年)。

不管vespa的優(yōu)勢和劣勢如何，我們都非常希望已知行星的目錄不依賴于單一的方法。我們演示了如何使用機(jī)器學(xué)習(xí)算法，特別是由其他模型增強(qiáng)的高斯過程分類器(GPC)高斯過程分類器（GPC），執(zhí)行包括可能FP場景的先驗(yàn)概率的概率行星驗(yàn)證。

當(dāng)在開普勒閾值跨越事件(TCE)目錄中將已確認(rèn)的行星與錯檢情況（FPs）分離時，GPC可以獲得每個樣本的平均對數(shù)損失為0.54。一旦計(jì)算出了適用的審查指標(biāo)，我們的模型可以在幾秒鐘內(nèi)驗(yàn)證數(shù)千個看不見的候選對象。并且它可以適應(yīng)于與活躍凌日外行星勘測衛(wèi)星（TESS）任務(wù)協(xié)作，其中大量的觀測到的目標(biāo)需要使用自動化算法。

我們討論了這種方法的局限性和注意事項(xiàng)，并在考慮了可能的失效模式后，重新驗(yàn)證了關(guān)于行星的50個開普勒候選對象，通過使用vespa的最新的恒星信息確認(rèn)驗(yàn)證它們來進(jìn)行合理性檢驗(yàn)。關(guān)于與vespa的差異導(dǎo)致許多其他候選行星出現(xiàn)，這通常對解決我們模型有利?？紤]到這些問題，在完全理解差異之前，我們提醒大家不要使用這兩種方法的單方法進(jìn)行行星驗(yàn)證。

BY: inverse

如有相關(guān)內(nèi)容侵權(quán)，請?jiān)谧髌钒l(fā)布后聯(lián)系作者刪除

轉(zhuǎn)載還請取得授權(quán)，并注意保持完整性和注明出處