2019年4月3日 星期三

.AI+機器視覺技術幫助科學家探尋新的外星世界

Kepler space telescope, the planet hunter.


來源眯眼科技


AI技術的逐漸成熟和發展,將推動這一應用領域探索文明的進程,關於AI+航太天文應用技術,國際科學家們,已經開發出了行星機器學習代碼。


AI+机器视觉帮助科学家寻到新的外星世界
開普勒空間望遠鏡
機器學習算法賦能天文辨識
機器學習算法,已被用於揭示NASA退役的開普勒太空望遠鏡,聚集的數據存檔中,兩個以前看不見的系外行星。

Kepler於2009年發射,被派去調查銀河系的黑暗河段。它的工作是透過仔細檢查,遙遠星星發出的光,來尋找外星世界。用光度計武裝起來,開普勒尋找在其母星,前面行星劃過的亮度特徵下降。它去年十月退休了。

該航太飛行器,幫助科學家發現了2000多個遙遠的行星,還有許多尚未被發現。由德克薩斯大學奧斯汀分校,和谷歌領導的天文學家和工程師團隊共同合作,利用卷積神經網路,嗅出潛在的候選系外行星。

該軟體使用開普勒,觀測到的恆星和行星數據集進行訓練,因此當查看其他恆星亮度的讀數時,它可以預測每顆恆星存在的外星球。

神經網路發現了兩個以前未知的世界,因為它透過開普勒數據,尋找軌道行星的跡象,並且已經使用美國亞利桑那州和夏威夷的望遠鏡,證實了它們的存在。基督徒K2-293b和K2-294b兩者之間彼此接近,分別位於水瓶座的1300光年和1,230光年之外,它們都比地球更大更熱。


神經網路+深度學習訓練
揭示這對行星的數據,來自開普勒K2階段的任務。2013年,兩個航太飛行器的四個反作用輪發生故障,它不能再停留在一顆特定的恆星上,因此美國宇航局對其進行了重新配置,使其推進器和其他剩餘的輪子,可以保持穩定。

德克薩斯大學奧斯汀分校的本科物理系學生Anne Dattilo解釋說,處理K2數據變得更加棘手。該團隊必須考慮到航太飛行讀數中的輕微擺動和系統噪音。

「我使用來自K2的超過27,000顆恆星的數據,訓練了我的修改過的算法,」她說,「我的筆記型電腦只需要40分鐘成功訓練,但我們需要幾個月,才能弄清楚如何成功地使用K2數據。」

對卷積神經網路進行了訓練,以便隨著時間的推移尋找恆星光亮度的週期性下降,這表明行星的通過。由於它僅使用附近行星的恆星的例子進行訓練,因此它不會捕獲所有不同類型的系外行星,例如具有遙遠世界的太陽系。


「該算法錯過了特殊行星:那些信號形狀與普通行星不同的行星,」Dattilo說道。「瓦解行星就是一個例子,這些行星的形狀轉變不同於典型行星。這意味著人類天文學家,仍然需要找到更有趣的行星,」Dattilo說。

然而,儘管如此,Dattilo認為神經網路,仍然可用於尋找,由NASA的TESS太空望遠鏡發現的新行星。該航太飛行器去年發射升空,預計將在兩年內,發現成千上萬的系外行星。

「同樣的方法應該適用於未來的TESS,因為TESS的工作方式與Kepler和K2相同 - 它們可以測量恆星亮度的變化,」Dattilo說,「但是,我懷疑需要做出一些改變。我對開普勒到K2代碼進行了更改,而TESS數據與開普勒或K2數據非常不同,因為它可以在更短的時間內查看恆星。


這不是AI第一次幫助科學家,找到新的世界。去年,一個使用機器學習的類似研究小組,偶然發現了繞過先前錯過的開普勒90星的第八顆行星。這一發現使開普勒-90 成為唯一一個擁有八個行星的行星系統,就像我們自己的太陽系一樣,我們已經看到了。

沒有留言:

張貼留言