天文学家发现系外行星已经有几十年了，但新发现的太阳系外行星大多是开普勒任务的结果。这个空间天文台已经发现了1000多颗系外行星，但开普勒积累了大量难以分析的数据。谷歌已经介入，为天文学家提供机器学习技术方面的帮助，这种合作关系已经开花结果。谷歌的TensorFlow平台已经确定了两个以前错过的围绕遥远恒星运行的行星。
在开普勒任务的第一阶段，该航天器观察了大片天空，每30分钟拍摄一次图像。开普勒观测到亮度降低，这表明一颗行星从一颗遥远的恒星前面经过。这种所谓的“凌日”系外行星探索方法被证明是非常有效的，但开普勒产生了大量的数据。在其第一个为期四年的任务中，开普勒产生了大约140亿个数据点，所以你需要一些软件分析来筛选出人类可以看到的潜在重要信号的列表。借助机器学习的力量，谷歌的软件可以更有效地做到这一点。
机器学习是教计算机如何识别模式。训练系统需要大量的数据。这使得外行星在许多方面寻找完美的应用。在这种情况下，谷歌人工智能研究员ChrisShime与来自乌塔斯汀的天体物理学家AndrewVanderburg合作，用15000个标记的开普勒信号训练系统。Tensorflow模型理解开普勒数据中行星和非行星的出现，当显示新数据时，最终达到96%的准确率。
在首次应用新行星狩猎AI后，Shallue和Vanderburg发布了其已知存在系外行星的670颗恒星。它发现了两颗新行星，一颗围绕开普勒80运行，另一颗围绕开普勒90运行。一个轨道开普勒90(称为开普勒90i)特别有趣。
开普勒90i的发现使这颗恒星周围已知行星的数量增加到2545光年，就像我们的太阳系一样。这是已知存在的仅有的另外八个行星系统。开普勒90i比地球大30%，在地球上只运行了14天。表面温度大约是800华氏度。
谷歌计划向模型中输入更多的数据，看看模型中是否隐藏着更多的行星。毕竟，它只扫描了20万人中的6470人。
标签：
版权声明：本文由用户上传，如有侵权请联系删除！