DIY發現新行星操作指南 | 谷歌開源了行星發現代碼

原作 Chris Shallue

Root 編譯自 Google Research Blog

量子位 出品 | 公眾號 QbitAI

去年12月，谷歌大腦用機器學習發現了兩個系外行星，分別是開普勒80 g和開普勒90 i。

開普勒90 i還是顆類地行星誒！

這還只是在分析了670個恆星的數據之後的收穫。而已有觀察數據的恆星有20萬個。

能不能從中刨出更多新行星，尤其是類地行星，得靠更多的人。

所以，谷歌大腦研究員Chris Shallue今天開源了發現新行星的AstroNet演算法。

借這次開源的機會，谷歌大腦順便給大家講講該演算法模型的原理。

發現新行星的思路

開普勒望遠鏡，會收集恆星亮度變化的數據。

當一顆行星經過恆星前方時，它會暫時阻擋一些光線，導致開普勒光度計測的亮度下降。

等行星繞遠之後，亮度會再爬升回原來的水平。所以從亮度變化的數據圖上，我們可以看到一個「U形」凹陷。

不過，恆星亮度降低也還有其他的可能。比如說雙恆星，恆星斑，開普勒光度計被宇宙射線干擾了或儀器本身的雜訊。

光度曲線有「V形」的話，意味著一個非常大的物體（即另一顆恆星）在開普勒觀測的恆星前面經過；如果光度曲線有兩次亮度下降的話，那麼說明這是一個較亮和一顆較淡的雙恆星系統，較大的亮度下降，是由較暗的那顆恆星跑到較亮的那顆前面去了，反之則反；最下方那個光度曲線的變化原因不詳。

本來，從開普勒資料庫里找行星的辦法是這樣的↓

天文學家們用軟體，自動批量處理開普勒數據，尋找光度曲線中的U形信號。

只有那些信噪比超過一定的閾值，是值得後續分析的信號，他們才會手動跟蹤，再確認篩選出來的信號是不是行星。

而低於閾值的所有信號都扔掉。

不過即使設置了閾值，再次確認的工作量還是很龐大。到目前為止，手動判斷的信號超過30000個，但只有大概2500個才是行星。

也就是說，每12個已被軟體篩選過的信號里，只有一個是天文學家要找的行星。

還有另外一種情況，有一些真正行星的信號被軟體的閾值給篩掉了。這相當於得到了假陰性的結果。

完全有可能存在著一些行星，是在軟體篩選閾值以下的。比如地球，因為圍繞著相對較暗的恆星，就低於閾值。

試試機器學習大法？

開普勒近四年來觀察了約20萬顆恆星，每30分鐘拍攝一張照片，得到了140億個數據。這就意味著有大約2萬億個可能的行星！即使用當前最強的算力去分析這些信息，也很費時費力。

為了加快這個過程，提高效率，谷歌大腦嘗試用機器學習，分析那些還沒處理過的開普勒數據。

與德州大學奧斯丁分校的Andrew Vanderburg合作，谷歌大腦研發了發現新行星的神經網路AstroNet。

通過訓練CNN，預測給定的開普勒信號是不是行星。之所以選CNN，是因為它們在其他空間、時間結構類的問題上表現不錯，比如說，音頻生成，圖像分類等。

目前，有3萬個開普勒數據是已經被人類手動處理過的，並有最終的判斷結果，這等於說已經有了標註好的訓練集。

谷歌拿了其中的一半數據作訓練集，其中有約3500個是經過驗證的行星或強烈的行星候選者，來訓練AstroNet神經網路，怎麼區分行星。

AstroNet模型的輸入數據是同一光度曲線的兩個獨立視圖：一個寬視圖，一個放大視圖。

寬視圖檢查光度曲線上是否有除了U形以外的其他信號，像前面提到過的，雙恆星系統就有第二次光度降低；放大視圖，可仔細檢測信號的形狀，看是U形還是V形。

訓練完成之後，谷歌開始研究哪些光度曲線的特徵重度影響AstroNet演算法最後的判斷結果。

由此來看，這些特徵與之前討論的行星發現原理是否相符。

方法就是，遮擋住輸入數據光度曲線的一小部分區域，看輸出結果會不會變。

那些對模型決策特別重要的區域，如果它們被遮擋的話，則演算法會認為，這個信號是行星的可能性大大減小。

而遮擋不重要的區域就不會產生顯著的影響。

以下，是AstroNet準確預測出該光度曲線對應的是雙恆星，而不是行星。

綠點，指的是這些點被遮擋時，預測結果會反轉。

比如說，一個雙恆星系統的第二個U形被遮擋時，AstroNet會改變原有預測結果：原先，認為這個是行星的概率是0％，被遮擋之後，其行星概率飆升到40％。

那麼就可以說明，這部分的綠點，是AstroNet否認這條光度曲線對應的星是行星的充分不必要依據。

當然，如果光度下降部分，放大之後實際上是個「V形」，這也表明這是個雙恆星，而不是行星。

AstroNet立功，找到之前被漏掉的行星

在確認了AstroNet的行星判斷依據和谷歌之前討論的原理一致之後，谷歌就可以放心地用AstroNet了。

為了測試AstroNet的效果，谷歌用一組670顆恆星的數據跑一遍，看能不能發現被之前方法閾值錯漏掉的行星。

選這些恆星，是因為已知這些恆星有多個行星了。也許，這些恆星還有些尚未被發現的行星。

谷歌大腦把搜索條件放寬，比之前天文學家設置的信噪比閾值要更低。然後才發現了開普勒90 i和開普勒80 g。

泥萌要不要自己動手試試？

來，我們走一遍開普勒-90 i發現的過程。

回頭泥萌可以參考這個找新的。

第一步，是按照代碼主頁上的說明來訓練模型。

從開普勒望遠鏡下載和處理數據會花一段時間，這之後模型的訓練、新數據的預測速度會相對較快。

使用一種Box Least Squares（BLS）的演算法，篩查出新輸入數據中的「U形」行星信號。 BLS演算法可用VARTOOLS、LcTools等軟體實現。

這個圖就是開普勒90 i的光度曲線。當時BLS演算法就檢測到了這個持續時間長達2.7小時的U形信號，每14.4天出現一次。該數據取自開普勒從2009年1月3號16：48開始記錄的信號。

為了用已訓練好的模型運行這個檢測信號，只需執行以下命令：

python predict.py —kepler_id=11442793 —period=14.44912 —t0=2.2

—duration=0.11267 —kepler_data_dir=$HOME/astronet/kepler

—output_image_file=$HOME/astronet/kepler-90i.png

—model_dir=$HOME/astronet/model

輸出的預測結果是0.94，這意味著該模型判斷，該信號有94％的可能性是真的行星。

當然，這只是發現和驗證系外行星的整個過程中的一小步：這個模型做的只是預測工作，並不是有很強說服力的論證。

還得把這個信號交給天文學家來複核，只有天文學家再次確認之後，才算是真的系外行星。

至於後續天文學家的工作，詳細過程請參考谷歌1月30號發表的論文Identifying Exoplanets with Deep Learning: A Five-planet Resonant Chain around Kepler-80 and an Eighth Planet around Kepler-90中的第6.3和6.4節。

經過後續天文學家的分析，確認了這個信號是一個真正的系外行星，就是後面我們大家都知道的開普勒90 i了。

這次撿漏到了的兩顆新行星，還是從670顆恆星數據里刨出來的。

要知道開普勒觀測的數據有20萬顆恆星！這個巨大的寶藏需要更多的人一起來挖。想發現顆新行星嗎？開始動手吧！

BTW，前天3月7號，是開普勒望遠鏡上天的九周年。尋找太陽系外類地行星這麼多年，布吉島適合我們搬遷的那一顆在哪裡。

最後，附AstroNet代碼，

https://github.com/tensorflow/models/tree/master/research/astronet

& 1月30號發表的論文，

http://iopscience.iop.org/article/10.3847/1538-3881/aa9e09/pdf

& 原文鏈接，

https://research.googleblog.com/2018/03/open-sourcing-hunt-for-exoplanets.html

— 完 —

歡迎大家關注我們的專欄：量子位 - 知乎專欄

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

量子位 QbitAI · 頭條號簽約作者

?? ? 追蹤AI技術和產品新動態

推薦閱讀：