記者10月18日從中國科學院獲悉，利用人工智能技術，中國科學院上海天文臺等單位的科研人員發現了5顆直徑小于地球的超短周期行星。其中4顆，是迄今為止發現的距其主星最近的最小行星，大小類似火星。這是天文學家首次利用人工智能一次性完成搜尋疑似信號和識別真信號任務。相關研究成果在線發表于《皇家天文學會月報》。
超短周期行星是指那些軌道周期小于1天的行星，它們以極近的距離環繞其主恒星運行，通常體積較小、質量較輕，表面溫度極高。到目前為止，天文學家共找到145顆超短周期行星，其中只有30顆半徑小于地球半徑。“理解超短周期行星的相對豐度及其特性，對于檢驗理論模型至關重要。然而，已知的超短周期行星樣本量太小，很難精確了解它們的統計特征和出現率。”論文通訊作者、中國科學院上海天文臺研究員葛健說。
此次，葛健團隊創新設計了一種結合GPU相位折疊和卷積神經網絡的深度學習算法。利用該算法，團隊成功在開普勒太空望遠鏡的恒星測光數據中發現5顆超短周期行星。
葛健說，這項研究工作始于2015年，彼時人工智能“阿爾法狗”（AlphaGo）取得重大突破，成功擊敗了圍棋界職業高手。加上受到同事的激勵與啟發，他決定嘗試將人工智能的深度學習技術應用于開普勒太空望遠鏡所收集的恒星測光數據，尋找傳統方法未能檢測到的微弱凌星信號。
經過近10年努力，葛健團隊終于有了第一份收獲。葛健認為，要想使用人工智能在海量天文數據中“挖”到極其稀少的新發現，就需要創新人工智能算法，并且利用基于新發現現象物理圖像特征所生成的大規模數據集進行訓練，使之能快速、準確、完備地探尋到很難在傳統方式下找到的稀少而微弱的信號。
普林斯頓大學教授喬什·溫（Josh Winn）評論說，超短周期行星擁有極其極端和出乎意料的特性，為人們理解行星軌道如何隨時間變化提供線索。這項尋找新行星的技術成就令人印象深刻。
“這些超短周期行星的發現，為行星系統的早期演化、行星—行星相互作用以及恒星—行星相互作用的動力學研究提供重要線索，對行星形成理論研究有重大意義。”葛健說，這項研究為在高精度光度觀測數據中快速、高效搜尋凌星信號提供了新的研究方式，也充分展示出人工智能在海量天文數據中探尋微弱信號的廣泛應用潛力。
記者10月18日從中國科學院獲悉，利用人工智能技術，中國科學院上海天文臺等單位的科研人員發現了5顆直徑小于地球的超短周期行星。其中4顆，是迄今為止發現的距其主星最近的最小行星，大小類似火星。這是天文學家首次利用人工智能一次性完成搜尋疑似信號和識別真信號任務。相關研究成果在線發表于《皇家天文學會月報》。
超短周期行星是指那些軌道周期小于1天的行星，它們以極近的距離環繞其主恒星運行，通常體積較小、質量較輕，表面溫度極高。到目前為止，天文學家共找到145顆超短周期行星，其中只有30顆半徑小于地球半徑。“理解超短周期行星的相對豐度及其特性，對于檢驗理論模型至關重要。然而，已知的超短周期行星樣本量太小，很難精確了解它們的統計特征和出現率。”論文通訊作者、中國科學院上海天文臺研究員葛健說。
此次，葛健團隊創新設計了一種結合GPU相位折疊和卷積神經網絡的深度學習算法。利用該算法，團隊成功在開普勒太空望遠鏡的恒星測光數據中發現5顆超短周期行星。
葛健說，這項研究工作始于2015年，彼時人工智能“阿爾法狗”（AlphaGo）取得重大突破，成功擊敗了圍棋界職業高手。加上受到同事的激勵與啟發，他決定嘗試將人工智能的深度學習技術應用于開普勒太空望遠鏡所收集的恒星測光數據，尋找傳統方法未能檢測到的微弱凌星信號。
經過近10年努力，葛健團隊終于有了第一份收獲。葛健認為，要想使用人工智能在海量天文數據中“挖”到極其稀少的新發現，就需要創新人工智能算法，并且利用基于新發現現象物理圖像特征所生成的大規模數據集進行訓練，使之能快速、準確、完備地探尋到很難在傳統方式下找到的稀少而微弱的信號。
普林斯頓大學教授喬什·溫（Josh Winn）評論說，超短周期行星擁有極其極端和出乎意料的特性，為人們理解行星軌道如何隨時間變化提供線索。這項尋找新行星的技術成就令人印象深刻。
“這些超短周期行星的發現，為行星系統的早期演化、行星—行星相互作用以及恒星—行星相互作用的動力學研究提供重要線索，對行星形成理論研究有重大意義。”葛健說，這項研究為在高精度光度觀測數據中快速、高效搜尋凌星信號提供了新的研究方式，也充分展示出人工智能在海量天文數據中探尋微弱信號的廣泛應用潛力。
本文鏈接：科研人員利用人工智能發現5顆行星http://www.sq15.cn/show-2-8960-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
下一篇： 綠色建筑“碳”尋可持續發展之路