美國宇航局開普勒探測器的插圖。該探測器于2009年發射升空，旨在尋找地外行星。插圖：WENDY STENZEL, AMES RESEARCH CENTER/NASA

　　

　　撰文：Nadia Drake

　　

　　天文學界上的第一次!科學家訓練出了人工智能，用于在望遠鏡收集的巨量數據中進行篩選，結果還真的發現了一個全新的星球。

　　

　　這顆新發現的行星編號為“開普勒-90i(Kepler-90i)”，此前一直隱藏在美國宇航局開普勒探測器收集的數據中。這顆行星距離地球約2500光年，它與另外7顆行星一起圍繞著一顆恒星公轉，因此，開普勒-90系統，與我們所在的太陽系有許多相似之處。

　　

　　“開普勒已經像我們證明，多數恒星都擁有行星。”美國宇航局的Paul Hertz在宣布這一發現的新聞發布會上說道。如今，開普勒已經證實，恒星可以與我們的太陽系一樣，擁有龐大的行星家族。

　　

　　在新聞發布會之前的幾天里，有媒體瘋傳可能探測到了外星生命。毫無意外，這個消息完全不靠譜，但是，它卻從側面證明，機器學習能夠幫助我們更多地了解整個星系中可能令人激動的星球。

　　

　　在星辰大海中搜尋

　　

　　開普勒探測器2009年發射升空，已經盯著一小塊天空中的15萬顆恒星，足足看了4年。它的任務是尋找行星經過恒星前面時，對恒星所產生的微小遮擋。當科學家在數據中發現此類微小信號時，就能夠測算出行星的大小，以及它與其母恒星之間的距離。

　　

　　截至目前，開普勒探測器已經確認了2525顆行星，其數據中還有更多行星有待發現。但是，想要確認一顆行星并非易事。對人類而言，人工梳理巨量的開普勒數據是一項不可完成的任務，因為這些數據中包含有10的8次方個潛在的行星軌道。此外，恒星光線的變弱，并不一定全是行星所為：恒星黑子、雙星及其它天體都有可能產生與行星掩住恒星一樣的效果。

　　

　　正因如此，谷歌人工智能部門的Chris Shallue決定利用神經網絡來解決這一難題。此前，機器學習的方式已經被用于篩選、分類普勒的數據，但是，Shallue的神經網絡能夠提供更加強大的算法。

　　

　　Shallue說：“當我得知開普勒探測器收集到了這么多的數據，科學家們無法全靠人工進行審查時，我就想把神經網絡用于天文學。我們的想法是，把這一技術用于星空，教會機器的學習系統如何分辨遙遠恒星周圍的行星。”

　　

　　開辟觀測新視角

　　

　　顧名思義，神經網絡，是基于人類大腦工作的原理而構造的。人類可以訓練神經網絡，讓它們識別和分類事物，比如分辨狗與貓的照片有何區別。最終，在看過足夠的樣本之后，電腦就能夠自己將貓和狗進行分類。

　　

　　Shallue訓練了一個神經網絡，識別行星的獨特“指紋”。他從開普勒數據庫中提取出15000個真實的行星特征，讓神經網絡系統辨別真實行星的信號與偽裝成行星的信號之間的差異。

　　

　　之后便是實戰驗證階段。Shallue與德州大學的Andrew Vanderburg，讓這個系統仔細檢查了670顆已知擁有行星的恒星，因為在這些恒星周圍可能存在更多顆行星。

　　

　　然后，他們向系統輸入不夠強、人工無法處理的信號。在這些信號中，神經網絡系統識別出了兩顆新行星。研究結果發表在了《天文學期刊》上。

　　

　　“這兩顆星星的信號很弱，此前的所有搜尋都錯過了它們。”Shallue說道。

　　

　　仍需探索新領域

　　

　　其中一顆行星是“開普勒-80g”，它是所在恒星系中第六顆已知的行星。開普勒-80g大小與地球相當，圍繞其母恒星公轉一周需14.6天，而其母恒星比我們的太陽更小、更紅。

　　

　　神經網絡還找出了“開普勒-90i”。這顆行星比地球稍大，公轉一周需要兩個星期的時間，是所在恒星系中發現的第三顆巖質行星，而其母恒星比我們的太陽稍大且更熱。在開普勒-90i內側，還有兩顆較小的行星，而在其外側公轉的行星則要大得多。

　　

　　這些行星都很大，但還都“抱團”在一起：八顆行星與其母恒星的距離，與日地距離相同。

　　

　　Vanderburg說：“我可不想去開普勒-90i這種地方。它的地表很可能非常熾熱。我們通過計算，它的平均溫度約為427攝氏度。”

　　

　　他還補充說，恒星開普勒-90可能還有更多行星有待發現。他和Shallue計劃將開普勒的所有數據都輸入神經網絡系統，看看有何結果。

　　

　　但是，現在不需要擔心電腦代替人類天文學家。

　　

　　美國宇航局的Jessie Dotson說：“這項工作絕對要與天文學家一同進行。永遠都不能排除這一點。你首先要有最初的分類，才能訓練機器學習，然后，它才能比人類處理更多的信號。”