人类借助AI技术发现了“迷你太阳系”

科普时间：

NASA是美国联邦政府的一个政府机构，负责美国的太空计划。1958年7月29日，艾森豪威尔总统签署了《美国公共法案85-568》（United States Public Law 85-568，即《美国国家航空暨太空法案》），创立了NASA。

1958年10月1日，NASA正式成立，取代其前身美国国家航空咨询委员会（NACA）。NASA的领导项目包括阿波罗登月计划、“天空实验室（Skylab）空间站，以及后来的航天飞机。

数据传输中...

美国东部时间12月15日凌晨，NASA（美国国家航空航天局）宣布一项重大发现：在距离地球2545光年的开普勒-90（Kepler-90，开普勒太空望远镜发现的第90颗恒星）星系中，又发现了第八颗行星！命名为“开普勒-90i”。

本次新发现的Kepler-90i，是一颗小质量的岩石行星，由于距离恒星很近，公转周期仅有大约14.4天，因此可以想象其地表温度极高。本次发现的另一个亮点在于，这一成果是借助谷歌公司的机器学习技术实现的。机器学习技术的本质在于计算机通过人工智能技术实现“自我学习”。在这一案例中，计算机学会了如何对开普勒望远镜获得的海量数据中搜寻疑似的系外行星信号。

美国宇航局天体物理学部门主管保罗·赫兹（Paul Hertz）表示：“正如我们所料，在我们之前已经分析过的开普勒望远镜数据中仍然隐藏着令人兴奋的新发现，等待着采用合适的新工具或者新技术去揭示它。”他说：“这一发现表明我们的这些数据在未来多年内都将是开展创新研究的珍贵宝藏。”

美国宇航局的开普勒望远镜会记录系外行星从恒星前方经过导致的恒星亮度轻微下降现象，这种亮度下降信号可以让科学家们间接推算出行星的存在以及这颗行星的很多物理性质。在这次发现中，研究人员克里斯托佛·沙律（Christopher Shallue）和安德鲁·范德伯格（Andrew Vanderburg）训练一台计算机学习如何去对开普勒望远镜获得的海量恒星亮度数据进行分析，并从中检测那些可能暗示有系外行星存在的异常信号。受到人脑中神经元之间连接方式的启发，科学家利用人工“神经网络”技术，利用计算机系统的强大计算能力对开普勒望远镜获取的海量数据进行自动化筛选，并最终在已经被归档的数据中发现了一个此前在进行人工分析时被忽略的微弱异常信号，最终证明这是天龙座方向上，恒星开普勒-90周围存在的第八颗行星

这也就意味着，就如同太阳有8大行星环绕一样（分别是金星、木星、水星、火星、土星、地球、天王星、海王星），开普勒-90星系从此与太阳系并列成为行星数量最多的星系，堪称“迷你太阳系”。

更重要的是，这颗新发现的行星，是谷歌人工智能系统发现的。

图：随着第八颗行星的发现，开普勒90星系首次在行星数量上，和太阳系平起平坐了

这项研究表明，NASA的科学家们通过谷歌机器学习技术分析开普勒太空望远镜的观测数据，效率和效果远超传统的分析方法。

尽管机器学习之前也曾被用于搜索开普勒数据库，然而神经网络在寻找来自遥远世界最微弱的信号方面是一种非常有前途的工具。

美国东部时间12月15日下午三点，NASA就这一发现举办“Reddit Ask Me Anything”活动。谷歌AI高级软件工程师克里斯托弗.夏尔（Christopher Shallue）与NASA博士后研究员兼德州大学奥斯汀分校的天体物理学家安德鲁•范德伯格（Andrew Vanderburg）解释了他们是如何训练人工智能系统来识别恒星周围的行星的，“谷歌这一工具实际上与识别照片中猫和狗的工具类似”。

起初，Shallue想出了将神经网络应用于开普勒数据的点子。太空科技的进步能够收集越来越多的数据，因此天文学也像科学的其他分支一样正在迅速地被数据淹没，在得知了这种情况之后，他对系外行星发现产生了兴趣。

Shallue开始在业余时间里，研究“使用大数据集寻找系外行星”的方法，并且发现了开普勒的使命和可以使用的庞大数据集。Shallue说：“当数据太多，人类无法自己研究的时候，机器学习真的可以大显神通。”

开普勒太空望远镜四年收集到的数据集包含35,000种可能的行星信号。传统方法有时候通过人眼查看数据集中最有可能的信号，然而，这种方法往往会错过最微弱的信号。

因此Shallue和Vanderburg认为，这些数据中可能会隐藏了更多有趣的系外行星的发现。

他们的发现过程是这样的：

首先，开普勒太空望远镜探测行星的方法为“凌日法”，数据来自行星经过恒星之前或之后出现的一种微小的亮度变化。如下图中，如果一颗行星从母恒星前方横越时，恒星的视觉亮度会略微下降。

图中，这种呈U形的明暗信号变化模式通过白色的线条来表示，而蓝色的点状分布，则是NASA在分析这些光变曲线后，得出的“开普勒天体”的数据。

然后，科学家们使用开普勒系外行星目录的一组15000个预先验证过的信号的数据集，创建了一个TensorFlow模型来区分行星与非行星。

接着，再让人工智能系统学习开普勒太空望远镜收集的光线信号，以识别外系行星。

也就是说，神经网络“学会了”如何检测系外行星经过的模式，研究人员用机器学习模型研究670个恒星星系中较弱的信号（这些恒星星系已经存在着一些已知的行星）。他们的假设是，多行星星系是寻找更多系外行星的最佳地点。

过程中，AI还发现了来自第八颗围绕天龙座开普勒90旋转的行星的微弱信号，而这些信号之前被错过了。

在测试时，该系统还能准确地识别哪些信号是行星，哪些信号是误报，准确率达96％。Vanderburg说：“我们得到了很多关于行星的误报，但也有可能会有更多真的行星。这就像是在岩石中筛选宝石一样，如果你用更细的筛子，你就会得到更多的石头，但是你也可能会找到更多的宝石。”

至此，组成开普勒90星系的八颗行星分别是“开普勒90b”、“开普勒90c”、“开普勒90d”、“开普勒90e”、“开普勒90f”、“开普勒90g”、“开普勒90h”和最新发现的“开普勒90i”。

NASA华盛顿总部天体物理学部门主任保罗.赫兹（Paul Hertz）表示：“这一发现表明，我们的数据将在未来几年成为创新研究人员的宝贵财富。”

开普勒90i——一个炎热而布满岩石的星球，是该星系中最小的行星，比地球体积大约30%左右，围绕恒星公转一周仅需14.4天。

据Andrew Vanderburg说，“开普勒-90i”距离恒星太近，表面温度过高，超过800华氏度，与水星相仿。或许不太可能有我们已知的生命形式存在。NASA认为，谷歌AI技术将有助于在太阳系外探测到外星生命的迹象。

之所以称开普勒90星系为“迷你太阳系”，是因为它就像太阳系的一个迷你版本，体积较小的行星在内圈环绕，体积较大的行星在外圈，只是相互之间距离挨的更近一些——当中最外围的行星——开普勒-90h围绕恒星旋转的距离与地球围绕太阳旋转的距离相似。

除了开普勒90i，谷歌的技术还发现了另外一颗恒星——开普勒-80星系中的最小行星“开普勒-80g”，同地球大小相仿。开普勒80g与相邻的四颗行星形成了所谓的共振链——在这个共振链中，行星会被彼此的引力锁定，在轨道上有节奏地运转，结果是形成一个非常稳定的系统，这种情况类似于TRAPPIST-1星系的七颗行星。

事实上，这两颗全新系外行星，仅仅是谷歌AI技术在筛查了670颗星就发现的。未来，天文学家还将对开普勒所确定的大约15万颗恒星进行研究，发现系外行星的可能性也会更高。

谷歌和NASA关于这些发现的研究论文已经被《天文学报》（《The Astronomical Journal》）收录。Shallue 和 Vanderburg 计划将他们的神经网络应用于开普勒所有的数据集（超过15万颗恒星的数据）。

开普勒已经为系外行星搜寻产生了庞大的数据集，规模之大史无前例。在太空中的一个位置上观察了四年之后，该航天器现在正在执行扩展任务，每八十天会更换一次视域。