日内瓦大学
该方法使用数据表示，其中行星的存在(右)被视为天空中的河流(左)
右边的图像显示了开普勒-36星的测量光通量，以及开普勒-36 b星引起的月食图
功劳:戴夫·霍弗勒 通过实施类似于自动驾驶汽车中使用的人工智能技术，来自UNIGE和UniBE的一个团队与Disaitek公司合作，发现了一种探测系外行星的新方法
迄今为止发现的大多数系外行星都是用凌日法发现的
这项技术是基于一颗行星经过其恒星前方时引起的小型日食
观测到的光度下降使得在定期确认观测结果后，推断行星的存在并估计其直径成为可能
然而，理论预测，在许多行星系统中，行星之间的相互作用改变了这种周期性，使得它们无法被探测到
正是在这种背景下，来自日内瓦大学、伯尔尼大学和瑞士NCCR行星的一个天文学家小组与Disaitek公司合作，将人工智能应用于图像识别
他们教了一台机器来预测行星之间相互作用的影响，使得发现迄今为止无法探测到的系外行星成为可能
该工具发表在《天文学和天体物理学》杂志上，可以在地球上用于探测非法垃圾场和废物堆放场
用凌日法探测一颗行星是一个漫长的过程
在行星之间的相互作用改变了凌日现象的周期性的情况下，在数据中寻找由小行星引起的信号即使不是不可能，也可能是复杂的
为了克服这一困难，有必要开发能够考虑这一影响的工具
“这就是为什么我们想到将人工智能应用于图像识别，”阿德里安·勒鲁解释道，她是UNIGE科学学院天文系和NCCR行星的研究员
用大量的例子来教一台机器考虑所有的参数，并用诱导效应的图形表示来预测行星间相互作用的效应，这确实是可能的
为此，天文学家们通过NCCR的技术和创新平台与Disaitek公司联手
能够识别物体的人工神经网络 Disaitek总裁安东尼·格拉文解释说:“这个项目中使用的人工智能类型是一个神经网络，其目标是为图像中的每个像素确定它所代表的对象。”
在自动驾驶车辆的环境中使用，该算法可以识别道路、人行道、标志和摄像机感知的行人
在系外行星探测的背景下，目标是确定对于恒星光度的每次测量，是否观察到行星的日食
神经网络通过交叉参考该星的所有可用观测值和其训练期间看到的构型范围来做出决定
阿德里安·勒鲁透露:“从第一次实施该方法开始，我们发现了两颗系外行星——开普勒-1705b和开普勒-1705c，这是以前的技术完全没有发现的。”
如此发现的行星系统是我们了解系外行星的一座金矿，尤其是通常难以定性的类地行星
所开发的方法不仅使得估计行星半径成为可能，而且还提供了关于它们质量的信息，因此也提供了关于它们密度和组成的信息
“人工智能的使用，特别是本文中的‘深度学习’，在天体物理学中变得越来越广泛，无论是处理观测数据，就像我们在这里做的那样，还是分析产生万亿字节数据的巨大数值模拟的结果
伯尔尼大学教授、NCCR行星科学官员Yann Alibert指出:“我们在这项研究中取得的进展是这些技术对我们的领域，可能对所有研究领域做出巨大贡献的一个新例子。”
地球观测技术 虽然这项技术被证明对天文观测是有效的，但它对观测地球及其环境也同样有用
“在开发这项技术的过程中，我们很快意识到了它应用于其他有少量数据可用的问题的潜力，”迪赛泰克公司的R&D经理格雷戈里·查泰尔说
Disaitek使用非常高分辨率的卫星图像，现在正在使用这种人工智能来处理环境问题，特别是检测非法倾倒
这种不断增加的祸害，用传统的手段是没有明确答案的
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
