通過Google機器學習來尋找系外行星

幾千年以來，人們一直仰望星空，觀察並記錄。早期的希臘天文學家們將確定的第一批行星，稱之為"planētai"或者叫流浪者。

今天在光學望遠鏡，太空飛行，數碼相機以及計算機等幫助下，人們將視野延伸到太陽系之外，並探測器他恆星周圍的行星，並稱之為系外行星。對系外行星的探索有助於我們人類回答關於宇宙最深層次的問題，外面的世界有什麼？在太陽系之外的地方有像我們這樣的存在嗎？

北京時間12月15日凌晨2時（美國東部時間12月14日13時），NASA召開了媒體電話會議，宣布了開普勒太空望遠鏡的最新發現。

伴隨著第八顆系外行星的發現，Kepler-90成為首個和我們太陽系擁有同樣數量行星的恆星系統。

Credits: NASA/Wendy Stenzel

研究人員通過Google AI模型，新發現了兩顆系外行星，分別稱為Kepler-80 g和Kepler-90 i。

Credit：NASA

Kepler-90系統中的行星與我們太陽系內行星的對比

Credit：NASA

Kepler-90系統中行星的軌道與地球在太陽系中的軌道對比

Credit：NASA

其中Kepler-90 i距離我們約為2545光年，這是研究人員在一顆類太陽恆星Kepler-90周圍發現的第八顆行星，Kepler-90這下和我們的太陽系一樣擁有8顆行星，這8顆行星距離其恆星Kepler-90都很近，與我們太陽系相比，其最外層的行星軌道都要比我們地球距離太陽近。

據估計，Kepler-90i表面的平均溫度超過800華氏度。

Credit：NASA

新發現的行星Kepler-90i，軌道道公轉周期約為14.4天，是一個炎熱的岩石星球，其表面平均溫度超過800華氏度，不可能有我們已知的生命形式存在。這顆行星是研究人員通過谷歌的機器學習，在NASA的開普勒望遠鏡數據中發現的。

尋找系外行星的新方法

尋找系外行星並不容易，因為和其恆星相比，系外行星又小，又暗，還很寒冷。就像是從幾千英里外的探照燈旁邊飛來一隻螢火蟲一樣難以發現。藉助於機器學習，科學家們最近取得了一些進展。

天體物理學家們尋找系外行星的一個主要方式是，通過自動化軟體和人工分析，分析來自NASA開普勒太空望遠鏡大量的數據，開普勒太空望遠鏡4年時間來大約觀測了20萬顆恆星，每30分鐘拍一張照片，收集了約140億個數據點。這140億個數據點轉化為大約2萬億個可能的行星軌道，即使用最強大的計算機來進行分析，也是一個費力，耗時的過程，為了使這個過程更加高效，科學家們開始使用機器學習。

凌星現象

Credit：NASA

由於系外行星距離我們太遙遠而不能直接進行觀測，開普勒望遠鏡通過凌星現象，測量一顆恆星的亮度變化，來尋找系外行星。

機器學習可以教授計算機進行模式識別，尤其對理解大量的數據很有用。關鍵的思想是讓計算機通過例子學習，而不是用特定的規則進行編程。

這次的發現者之一是一名對太空感興趣的Google AI研究員Chris Shallue，他使用了「20%時間」（Google 允許工程師以「20%時間」去從事個人感興趣的非正式項目）與Andrew一起教會一台機器學習系統，如何識別遙遠恆星周圍的行星。Andrew是一名德州大學奧斯汀分校的天體物理學家。

他們使用超過15000 個標記的開普勒信號的數據集，創建了一個TensorFlow 模型（有關這個模型可自行Google）來區分行星與非行星。在測試時，該系統能準確地確定哪些信號是行星，哪些信號不是，準確率高達96％。

他倆這次縮小了搜尋範圍，在已知的670顆恆星周圍，發現了兩顆行星Kepler 80g和Kepler 90i，這就是這次新聞發布中所述的兩個新發現的行星。特別是在恆星系統Kepler-90中發現了其第八顆行星Kepler-90 i，這是除過我們太陽系外，首個知道的擁有8顆行星的系統。

參考一：https://www.blog.google/topics/machine-learning/hunting-planets-machine-learning/

參考二：https://www.nasa.gov/press-release/artificial-intelligence-nasa-data-used-to-discover-eighth-planet-circling-distant-star

參考三：https://nasa.tumblr.com/post/168542791629/researchers-just-found-for-the-first-time-an-8th