新南威尔士大学 学分:新南威尔士大学 年轻的恒星——就像年轻的人类一样——倾向于缓和耀斑
但是恒星耀斑会烧毁周围的一切，包括附近行星开始形成的大气层
找出年轻恒星爆发的频率可以帮助科学家了解在哪里寻找适合居住的行星
但是直到现在，寻找这些耀斑还需要仔细研究数千种被称为光曲线的恒星亮度变化测量值
现在，一个包括UNSW·悉尼的博士在内的国际科学家团队
本·蒙特利用机器学习使搜索更快、更有效 科学家们教授了一种神经网络——一种人工智能——来检测恒星耀斑的信号光模式
“在神经网络的帮助下，我们能够在数以千计的年轻恒星中发现超过23，000个耀斑，”博士说
蒙特是UNSW科学学院的科学讲师，也是这项研究的作者之一
“发现恒星耀斑——这对附近行星正在发展的大气层可能是致命的——可以帮助我们找到适合居住的行星
" 这些发现发表在周末出版的《天文学杂志》和《开源软件杂志》上，为人工智能在天文学中的应用提供了一个新的基准，同时也更好地理解了年轻恒星及其行星的演化
“当我们说年轻时，我们指的只是100万到8亿岁，”芝加哥大学研究生、该论文的第一作者艾迪娜·范斯坦女士说
“恒星附近的任何行星仍在这一点上形成
这是一个特别脆弱的时期，来自恒星的耀斑很容易蒸发掉所有收集到的水或大气
" 铸造神经网络 美国国家航空航天局的泰丝望远镜安装在一颗自2018年以来一直围绕地球运行的卫星上，专门用于搜索系外行星
来自遥远恒星的耀斑出现在泰丝的图像上，但是传统的算法很难从恒星活动的背景噪音中识别出形状
但是神经网络特别擅长寻找模式——比如谷歌的人工智能从互联网图像中挑选猫——天文学家越来越多地开始依靠它们来对天文数据进行分类
范斯坦女士和博士
蒙特与美国国家航空航天局、弗拉铁研究所、费米国家加速器实验室、麻省理工学院和奥斯汀的德克萨斯大学的一组科学家合作，将一组识别出的耀斑和非耀斑聚集在一起，训练神经网络
“事实证明，神经网络非常擅长寻找小耀斑，”博士说
蒙特是这项研究的主要研究者
“用其他方法其实很难找到
" 一旦研究人员对神经网络的性能感到满意，他们就将其应用于全部数据:3200多颗恒星
他们发现像我们的太阳这样的恒星只有几颗耀斑，这些耀斑似乎在大约5000万年后就消失了
“这有利于培养行星大气——更平静的恒星环境意味着大气有更好的生存机会，”范斯坦女士说
相比之下，被称为红矮星的较冷恒星往往会更加频繁地爆发
“红矮星被认为是小型岩石行星的宿主；她说:“如果这些行星在年轻的时候受到轰击，这可能会对保留任何大气层不利。”
寻找适合居住的行星 这些结果有助于科学家理解可居住行星在不同类型恒星周围存活的可能性，以及大气是如何形成的
这可以帮助他们精确定位宇宙中最有可能寻找可居住行星的地方
科学家们还研究了恒星耀斑和星点之间的联系，就像我们在太阳表面看到的那种
“我们的太阳出现的最大斑点可能是0
3%的表面，”博士说
蒙特
“对于我们看到的一些恒星，表面基本上都是斑点
这加强了斑点和耀斑作为磁事件是相互联系的观点
" 科学家下一步想调整神经网络，寻找潜伏在年轻恒星周围的行星
“目前我们只知道大约12个小于5000万年的行星，但是它们对于了解行星大气是如何演化的非常有价值，”范斯坦女士说
医生
蒙特还将在UNSW扩展这个神经网络框架
“我们将应用同样的方法在同样的数据集中寻找年轻的行星，”他说
“这将有望带来‘机器的崛起’，我们可以应用机器学习算法，用同样的方法找到一堆令人兴奋的新行星
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
