突破性：AI從舊NASA數據中識別出50顆新行星

英國研究人員利用人工智慧發現了50個新行星，這標誌著天文學的技術突破。

太陽系外的奇異行星

華威大學的天文學家和計算機科學家建立了一種機器學習算法，以挖掘包含數千種潛在行星候選者的舊NASA數據。

但是，這些候選人中哪些是真實的，並不總是很清楚。當科學家搜尋系外行星（太陽系外的行星）時，他們會尋找光線的傾角，這表明行星在望遠鏡和恆星之間通過。但是這些跌落也可能是由其他因素引起的，例如背景幹擾，甚至是相機中的錯誤。

但是新的AI可以說明不同之處。

研究團隊通過讓算法處理由美國宇航局現已退休的克卜勒太空望遠鏡收集的數據進行訓練，克卜勒太空望遠鏡在深空進行了9年的全球狩獵任務。一旦該算法學會了準確地將真實的行星與假陽性的行星分開，它就可以用於分析尚未得到確認的舊數據集，這是找到50個系外行星的地方。

該大學在新聞發布會上說，這50顆系外行星圍繞其他恆星運行，大小範圍從海王星到小於地球。它們的某些軌道長達200天，而某些軌道則短至一天。現在，天文學家知道行星是真實的，他們可以將其優先級進行進一步觀察。

太陽系外的奇異行星

研究人員的發現發表在上周的《皇家天文學會月刊》上。

該研究的主要作者之一的沃裡克大學的戴維•阿姆斯特朗（David Armstrong）在新聞稿中說：「就行星驗證而言，以前沒有人使用過機器學習技術。」 「機器學習已用於對行星候選者進行排名，但從未在概率框架中使用，這才是真正驗證行星所需的條件。」

現在研究人員知道它可以工作，他們希望將AI用於當前和將來的望遠鏡任務。根據該版本，它可以提供一致且有效的驗證方法；一旦經過適當的培訓，人工智慧將比當前技術更快，並且可以自動執行。

研究表明，該算法可以「在幾秒鐘內驗證數千個看不見的候選人」。而且由於它是基於機器學習的，因此它仍可以加以改進，並且在每次新發現時都可以繼續變得更加有效。

太陽系外的奇異行星

在他們的研究中，研究小組認為，天文學家應使用多種驗證技術（包括此新算法）來確認未來的系外行星發現。目前，僅使用一種方法對所有已知行星中的約30％進行了驗證，這「並不理想」，阿姆斯特朗說。

他說：「我們仍然必須花時間訓練算法，但是一旦完成，將其應用於未來的候選人變得容易得多。」

阿姆斯特朗補充說，該算法可用於分析來自美國宇航局（NASA）的過渡系外行星勘測衛星（TESS）的數據，該衛星是一項全天候的勘測任務，於7月4日完成了其主要任務。

通過繪製約75％的天空，TESS識別出66顆新確認的系外行星，以及近2,100個潛在的候選行星。在已確認的系外行星中，有一顆可能是可居住的地球大小，繞著100光年遠的一顆恆星運轉。它還發現了一個繞著兩個太陽公轉的行星，例如《星球大戰》電影中的Tatooine。

現在，TESS的任務期限將延長至2022年，而科學家則致力於驗證並確認剩下的潛在候選者中哪些是真正的行星。