在晴朗的夜晚，你可以很容易地看到木星、火星或太陽系的其他行星。
幾千年前的天文學家就是這樣發現第一批行星的。
我們不能直接觀察太陽系外的行星，比如海王星和天王星，所以，當然，我們也不能看到圍繞其他恆星運行的行星。
然而，藉助現代望遠鏡和克卜勒任務等衛星，我們有可能發現太陽系外的第一顆行星，也被稱為系外行星。
這些發現對於更好地了解我們的銀河系和宇宙，以及尋找其他地方的生命是至關重要的。
TESS（系外行星勘測衛星）是NASA的新行星」獵手」，也是首顆覆蓋整個天空的系外行星勘測衛星。
這顆衛星是一架配備了4個攝像頭的太空望遠鏡，它將幫助天文學家發現成千上萬顆圍繞附近恆星運行的系外行星。
為此，它將在兩年的時間裡監測成千上萬顆恆星並收集它們的光的信息。
每當行星經過恆星前方時，恆星的某些光就會被遮擋。因此，恆星看起來會比之前暗了一些。
分析隨時間變化的恆星亮度以識別這些事件的方法稱為「the transit method」，這是尋找系外行星的最常用技術。
但是，在實踐中，很難分辨出由於真實行星而產生的調光與因亮度自然變化而產生的調光之間的區別，
通常情況下，這些信號由專家分析，他們試圖將行星與其他信號源區分開來。
人為的決策可能會產生偏差，而且，由於TESS產生的大量數據，我們需要一支由科學家組成的隊伍來對其進行分析。
因此，科學家們正在尋找一種精確和自動的方法來處理TESS數據，以探測這些行星信號。
深度神經網絡是一種人工智慧，被認為有潛力幫助甚至取代人類識別新的行星信號。深度神經網絡是一種被稱為算法的計算機過程，它們的獨特之處在於，它們像我們的大腦一樣工作，並且可以自己學習來完成特定的任務。
他們從例子中學習信息，就像學生學習數學一樣：一開始，他們做得不太好，但他們嘗試的問題越多，他們就做得越好。
深度神經網絡可以用於人臉或語音識別、癌症診斷、天氣預報和自動駕駛汽車等應用。
為了確保人工智慧成功識別出行星，對算法進行了「訓練」。
這就像通過展示正確解答的例子一樣來教學生如何解決數學問題 。現在想像這樣做成千上萬次。
計算機將通過查看包含來自行星和其他來源的信號的數據集來學習尋找正確行星的規則。
在第一個訓練階段，信號示例不是真實的測量值，而是模擬數據，計算機可以以97.3％的精度正確識別數據中的行星。
下一步，也是最重要的一步，是測試計算機是否能夠識別TESS任務衛星收集的真實信號中的行星。
對於天文學家來說，這是個好消息。
經過訓練後，這些人工智慧算法可以非常快速地對潛在行星進行分類，從而與TESS生成的數據保持同步。
這個自動系統可以列出一系列行星，在接下來的20年裡，對系列行星用更大的地面望遠鏡進行後續研究。
我們的目標是進一步了解它們的特徵，或許還能回答這樣一個問題：這些行星上是否存在生命？
圖片來自網絡，如有侵權，請聯繫作者刪除。