谷歌和大学研究人员利用深度学习发现系外行星

谷歌和多所大学的研究人员使用一个名为AstroNet K2的卷积神经网络发现了两颗新的系外行星。通过进一步的研究，另外14个天体也可以被确定为系外行星。

该发现建立在去年由哈佛大学天体物理学家Andrew Vanderburg和谷歌AI的Chris Shallue发布的研究基础上，使用机器学习筛选美国宇航局的开普勒数据，以寻找太空中的天体。谷歌后来在GitHub上开放了开普勒数据训练的系外行星搜索模型。

德克萨斯大学研究助理Anne Dattilo表示，“这项工作意义重大，因为这是神经网络首次成功应用于K2数据，不同类型的机器学习已应用于所有不同类型的天文数据集，就像它的前身是开普勒数据一样，但由于望远镜不稳定，因此K2数据存在不同的挑战。”

2009年开普勒太空望远镜发射后的前四年里，它被用来研究可能经过恒星前方的类地行星。该望远镜观测了20多万颗恒星，但由于机械故障，它无法聚焦到天空的一个单独部分，导致数据收集更加零散。美国宇航局去年正式宣布结束开普勒望远镜的任务。

为了克服这些挑战，团队收集并检查了超过3万张具有前景特征的图像，超过22000张用于训练半监督的AI系统。据报道，AstroNet K2在测试数据集中表现出的准确率为98％。

谷歌大脑团队的成员，加州大学伯克利分校和德克萨斯大学奥斯汀分校的天文学系，哈佛史密森尼天体物理中心在一篇论文中分享了这些发现。他们得出结论，因为存在大量误报，AstroNet K2尚未准备好完全自动检测和识别候选行星，但它可能使天文学家更好地了解宇宙。

Dattilo表示，“它不仅仅是识别了一些候选行星，重要的是它报出了那些被假阳性信号抑制的星体。所以你需要一位人类天文学家的帮助来整理这些行星，看看哪些不是行星。但是，现在你只需要查看1千个信号，而不是2万个这样可以节省很多时间。”

AstroNet K2将进一步完善，与其前身一样，开源将覆盖更广泛的AI社区。该模型不是第一次使用机器学习来探索宇宙。寻找外星智能研究所（SETI）也使用AI来扩展和提高其在宇宙中寻找外星生命的能力。

开源： github.com/google-research/exoplanet-ml/tree/master/exoplanet-ml/astronet