美国国家航空航天局凯普勒探测器的插图。该探测器于 2009 年发射，用于寻找系外行星。插图：温迪·斯坦泽尔，艾姆斯研究中心/美国航空航天局
作者：娜迪亚·德雷克

在天文学领域，科学家首次训练了人工智能来筛选望远镜收集的大量数据，结果真正揭示了一个全新的行星。

这颗新发现的行星，代号“凯普勒-90i”，一直隐藏在美国国家航空航天局凯普勒探测器收集的数据中。这颗行星距离地球约 2500 光年，围绕着一颗拥有七颗其他行星的恒星运转。因此，凯普勒-90 系统与我们的太阳系有许多相似之处。

“凯普勒已经像我们一样证明，大多数恒星都拥有行星，”美国国家航空航天局的保罗·赫尔茨在宣布这一发现的新闻发布会上说。如今，凯普勒已经确认，与我们的太阳系一样，恒星拥有大量行星。

在新闻发布会前几天，媒体可能已经探测到了地球外生命。毫不奇怪，这则消息是完全不可靠的，但它表明机器学习可以帮助我们了解整个银河系中可能令人兴奋的行星。

在星际海洋中寻找
凯普勒探测器于 2009 年发射，连续四年仔细观察了天空中的 15 万颗星星。其任务是寻找行星在恒星前面通过时对恒星产生的微小干扰。当科学家在数据中发现这些微小信号时，他们可以推断出行星的大小以及它距离其母星有多远。

到目前为止，凯普勒探测器已经确认了 2525 颗行星，并且在他们的数据中还有更多行星待发现。然而，确认一颗行星并不容易。对于人类来说，手动筛选大量的凯普勒数据是一项不可逾越的任务，因为这些数据包含了约 10^8 个潜在的行星轨道。此外，恒星的光线会削弱，不一定所有的行星都会产生明显的信号：恒星的黑子、双星以及其他天体可能会产生与行星遮挡恒星相同的效应。

因此，谷歌人工智能部门的克里斯·沙卢决定使用神经网络来解决这个问题。以前，已经使用了机器学习方法来筛选和分类多普勒数据，然而，沙卢的神经网络能够提供更强大的算法。

沙卢说：“当我得知凯普勒探测器收集了如此大量的数据，科学家们无法仅依靠手动审查时，我想在天文学中使用神经网络。我们的想法是在星际空间中，教导机器学习系统如何区分远处恒星周围的行星。”

开辟新的观察视角
顾名思义，神经网络是基于人类大脑工作原理构建的。人类可以训练神经网络识别和分类事物，例如区分狗和猫的区别。最终，在查看了足够多的样本后，计算机可以自己对猫和狗进行分类。

沙卢训练了一个神经网络来识别行星的独特“指纹”。他从凯普勒数据库中提取了 15000 个真实行星的特征，并允许神经网络系统区分真实行星信号和伪装成行星信号的信号之间的差异。

接下来是实际的验证阶段。德克萨斯大学的安德鲁·范德伯格让系统审查了已知拥有行星的 670 颗恒星，因为这些恒星周围可能还有更多的行星。

然后，他们输入到系统中的信号不够强，人类无法处理。在这些信号中，神经网络系统识别出了两颗新行星。这些结果已发表在《天文学杂志》上。

沙卢说：“这两颗星的信号很微弱，所有以前的搜索都错过了它们。”

继续探索新领域
银河系的一颗行星是“凯普勒-80g”，它是已知的银河系中第六颗行星。凯普勒-80g 的大小与地球相似，绕其母星公转需时 14.6 天，而其母星则比我们自己的太阳小而红。

神经网络还发现了“凯普勒-90i”。这颗行星略大于地球，需要两周才能完成一次公转。它是其母星系中发现的第三颗岩石行星，而其母星则稍大且比我们自己的太阳更炽热。在凯普勒-90i 内部，有两颗较小的行星，而外部公转的行星则要大得多。

这些行星都很大，但它们都“咚咚”地靠拢在一起：八颗行星与其母星的距离与地球相同。

范德伯格说：“我不想去像凯普勒-90i 这样的地方，那里表面可能非常炎热，我们计算出它的平均温度约为摄氏 427 度。”

他还补充说，在凯普勒-90 上可能还有更多待发现的行星。他和沙卢计划将所有凯普勒的数据输入神经网络系统，并看看会发生什么。

然而，无需担心计算机取代人类天文学家。

美国国家航空航天局的杰西·多特森说：“绝不能排除这项工作必须由天文学家来完成，首先需要进行初始分类以训练机器学习，然后它才能处理超过人类信号的情况。”