/图像-1/由喷气推进实验室拍摄 在其他恒星周围已经发现了45000多颗行星，但是科学家预计我们的银河系包含数百万颗行星
有多种方法可以探测大得多的明亮恒星周围的这些小而微弱的天体
信用:美国宇航局/JPL-加州理工学院 科学家最近在外行星总数中增加了多达301颗新确认的外行星
这组行星是已经证实的4569颗围绕大量遥远恒星运行的行星中最新的一颗
科学家们是如何发现如此巨大数量的行星，似乎是同时发现的？答案在于一种叫做ExoMiner的新型深度神经网络
深度神经网络是一种机器学习方法，当有足够的数据时，它会自动学习一项任务
ExoMiner是一种新的深度神经网络，利用美国宇航局的超级计算机昴宿星，可以区分真正的系外行星和不同类型的冒名顶替者，或“假阳性”
“它的设计灵感来自人类专家用来确认新系外行星的各种测试和属性
它通过使用过去确认的系外行星和假阳性病例来学习
ExoMiner补充了擅长梳理数据和破译什么是行星和什么不是行星的人
具体来说，由美国宇航局的开普勒飞船和它的后续任务K2收集的数据
对于像开普勒这样的任务来说，它的视野中有成千上万颗恒星，每颗都有可能拥有多个潜在的系外行星，仔细研究大量数据集是一项非常耗时的任务
ExoMiner解决了这个难题
美国宇航局位于加州硅谷的艾姆斯研究中心的系外行星科学家乔恩·詹金斯(Jon Jenkins)说:“与其他系外行星探测机器学习程序不同，ExoMiner不是一个黑匣子——它为什么决定某个东西是不是行星，这并不神秘。”
“我们可以很容易地解释数据中的哪些特征导致ExoMiner拒绝或确认一颗行星
" 一颗经过确认和验证的系外行星有什么区别？当不同的观测技术揭示出只能用行星来解释的特征时，行星就被“证实”了
一颗行星是使用统计数据“验证”的——这意味着根据数据，它是一颗行星的可能性或可能性有多大
在《天体物理学杂志》发表的一篇论文中，艾姆斯的团队展示了ExoMiner是如何利用开普勒档案中剩余的可能行星(或候选行星)的数据发现这301颗行星的
所有301颗经过机器验证的行星最初都是由开普勒科学运营中心管道探测到的，并由开普勒科学办公室提升为候选行星
但是在ExoMiner之前，没有人能够证明它们是行星
当一颗行星直接穿过我们和它的恒星之间时，我们会看到恒星稍微变暗，因为这颗行星挡住了一部分光线
这是科学家用来寻找系外行星的一种方法
他们用恒星的亮度对时间绘制了一个叫做光曲线的图
利用这个图，科学家可以看到行星阻挡了多少百分比的恒星光，以及行星需要多长时间才能穿过恒星的圆盘
荣誉:美国宇航局戈达德太空飞行中心 论文还展示了ExoMiner在排除假阳性方面如何更加精确和一致，以及如何更好地揭示围绕其母星运行的行星的真实特征——同时让科学家能够详细了解是什么导致了ExoMiner的结论
埃姆斯大学空间研究协会的ExoMiner项目负责人和机器学习经理Hamed Valizadegan补充说:“当ExoMiner说某个东西是一颗行星时，你可以确定它就是一颗行星。”
“ExoMiner的准确性很高，在某些方面比现有的机器分类器和它要模仿的人类专家都更可靠，因为人类标签会带来偏差
" 新确认的行星中没有一颗被认为是类地行星，也没有一颗位于其母恒星的宜居带
但它们确实与我们银河系附近已确认的系外行星的总体数量有着相似的特征
詹金斯说:“这301项发现有助于我们更好地了解我们自己以外的行星和太阳系，以及是什么让我们的行星和太阳系如此独特。”
随着寻找更多系外行星的工作继续进行——使用凌日测光法的任务，如美国宇航局的凌日系外行星测量卫星，以及欧洲航天局即将进行的行星凌日和恒星振荡任务，将有更多的机会证明它能够胜任这项任务
Valizadegan说:“现在我们已经使用开普勒数据训练了ExoMiner，只要稍加微调，我们就可以将这种学习转移到其他任务中，包括我们目前正在进行的TESS。”
“还有成长的空间
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
