人工智能神助攻！天文学家在谷歌AI帮助下发现“第二个太阳系”

几年前，开普勒天文望远镜在2545光年发现了一颗与太阳大小相近的恒星：开普勒90.在随后的观测中，科学家发现了更多类似于太阳系的特征：开普勒90有七颗行星， 更小的行星更靠近恒星，而更大的行星占据外侧轨道。

在刚刚宣布的新发现中，NASA和Google共同确定了这颗行星的第八颗行星：开普勒90i，它使人类首次在太阳系外找到由八颗行星组成的行星系统。

艺术家描述了开普勒90行星系统中的8颗行星（行星大小是按比例描绘的;距离不是按比例的）

新发现的开普勒90i也是一颗类地行星，比地球大30％，是该行星系统中距恒星第三近的行星。 但与地球相比，开普勒90i更接近恒星，公转一周仅需14.4天，其宿主恒星比太阳更热，所以它的平均地面温度可能超过800华氏度（约合427摄氏度）接近水星。 显然，这个温度对于生物来说太高了。

事实上，整个开普勒90行星系统就像是一个被压缩的太阳系：即使最外面的行星开普勒90h与宿主恒星的距离也比日地短。

开普勒90行星系统与太阳系轨道对比

这个被称为“第二个太阳系”的行星系统不包含宜居的行星，这可能使许多人失望。 但这项研究对开普勒90i本身的意义在于，人工智能开始从事太阳系外行星搜索，并首次为人类寻找到此前被遗漏的行星。

开普勒太空望远镜

与主动发光的恒星相比，黯淡、渺小的系外行星往往难以直接观察。但是，当行星从其宿主恒星前方穿过时，它遮住了恒星的一部分光。因此，我们观察到恒星的亮度略有下降，显示出“U”形曲线。通过这个“凌星”现象，我们可以间接探测到系外行星。

2009年发射的开普勒太空望远镜，通过凌星法相继扫描了超过15万颗恒星，以检索恒星亮度的细微变化。在2014年，开普勒由第二任务K2接班，K2在一个较小的数据库上捕捉太阳系外行星，甚至还有许多其他的观测。在2014年，开普勒的第二阶段K2项目开始，在一个更小的数据库上捕获太阳系外行星并进行多次观测。

开普勒的行星捕捉任务取得了令人难以置信的成功。迄今为止，开普勒计划已经确定了2500多颗系外行星（约占目前已知行星的三分之二），还有超过2000个“候选行星”等待进一步的观测，分析进行确认。

尽管开普勒计划取得了丰硕的成果，但许多人认为，开普勒数据库还有许多值得我们去挖掘的东西。限制我们进一步分析这些数据的因素是软件的分析速度和分辨率。开普勒太空望远镜每30分钟拍摄一次广阔的宇宙图，共创造出约140亿个数据点，其中包含35000个可能的行星信号。即使是功能最强大的计算机，这也是一个巨大的数据量，既费时又费力分析。另一个问题是，通过自动化测试或视觉检查，我们可以找到数据中最可能的信号。然而，这些方法通常忽略了最弱的信号。

用人工智能搜寻系外行星

当Google AI团队的高级软件工程师Christopher Shallue发现人类正在从太空获取数据，但海量数据已经淹没了天文学时，他提出了一个想法，也许我们可以将神经网络应用到开普勒数据分析。

在此过程中，他与德克萨斯大学奥斯汀分校的天体物理学家安德鲁·范德伯格（Andrew Vanderburg）合作，将机器学习技术应用于太空探索，使机器学习识别绕着遥远恒星公转的行星。

研究人员用超过15,000个标记的Kepler太空望远镜信号的数据集训练了机器学习系统。要做到这一点，系统需要能够识别行星的特征，并能够区分它与恒星黑子，双星系统和其他天体。然后，他们使用该系统测试之前未分析过的信号，系统在行星和非行星信号中均识别达到96％的准确度。因此，研究人员认为这种方法可以在行星搜索中发挥作用。

通过这个系统，研究人员检测到670个已知包含至少两颗行星的太阳系星系，并发现了开普勒90i。

Vandnerburg说：“我们发现了很多假阳性行星，但是可能会有更多真实的行星。 “这个过程就像从石头中找到宝石一样，如果你使用更细的网眼，你会得到更多的石头，也会得到更多的宝石。

开普勒90i并不是这个神经网络筛选的唯一宝石。在开普勒80行星系统中，他们还发现了星系的第六颗行星 - 开普勒80g，接近地球的大小。它与邻近的四个行星形成一个“共振链” -行星被彼此的重力拴住，在轨道上有节律地共舞。因此，它类似TRAPPIST-1星系中的七颗行星，这个行星系统包含七颗与地球大小的类地行星的行星系统，形成一个非常稳定的系统。

系外行星搜索应用中的人工智能才刚刚起步。 Vandnerburg在新闻发布会上说：“开普勒90行星系统中可能有许多未被发现的行星，如果这颗恒星周围没有更多的行星，也许我才感到惊讶。

开普勒90是我们在太阳系以外发现的第一颗行星系统，有八颗行星，但显然它不会是最后一颗行星。我们期望人工智能将把我们带到对宇宙理解的新水平。