去年 12 月在与 Google 的合作之下,美国太空总署(NASA)成功发现了两颗过去被忽略的行星,但在浩瀚无垠的宇宙中仍有太多行星等待着被发现,为了让探索太空的速度加快,Google 宣布开源搜寻系外行星的代码,让所有对太空探索有兴趣的人都可以帮上忙。
2009 年时,NASA 发射开普勒太空望远镜来搜索太阳系外的行星,但由于相隔距离太远,天文学家并无法直接观测、而是只能够透过“凌日”现象(Transit photometry)来推论其存在:当一颗系外行星通过恒星前方时,恒星的亮度会暂时性的下降。
▲系外行星的“凌日”现象。(Source:Google Blog)
当然,其他天文和仪器现象也可能导致恒星亮度降低,像是联星系统、星斑、开普勒太空望远镜上的宇宙射线或仪器上的噪声,学者必须透过观测显示的亮度差异、时间间隔等相关信号进行评估。
▲其他现象造成的恒星亮度下降情况。(Source:Google Blog)
经过 4 年观测 15 万颗恒星后,开普勒为天文学家收集了大量数据──远远超过人力可以有效搜寻的数据。为了让搜寻行动能够更有效率,天文学家只得专注在那些最有希望的目标,期望在 3 万个强列讯号中发现 2,500 颗系外行星。
但这也意味着还有 12 万个较弱信号未经过分析,而其中任何一个都可能代表一颗系外行星。为了不浪费这个宝贵的天文数据,Google 的研究人员先是用 NASA 研究员已标记的 1.5 万笔系外行星的数据训练了算法,教会了算法该如何在数据中透过一些“特征”来确认系外行星的存在。
而在那之后,Google 的研究人员用它分析了 700 个弱信号,Shallue 和他的同事便发现了两个过去被忽略、全新的系外行星:开普勒 80g 和开普勒 90i。
Google负责行星搜寻项目的 AI 高级工程师 Christopher Shallue 表示,他们已经在 Github 上将系外行星搜寻的代码开源,其中还包含了如何使用它的说明。简单来说,只要你有兴趣,任何人都可以下载并协助在开普勒数据中寻找系外行星。
尽管代码和相关开普勒数据对任何人都开放,但它并不是简单的“随插即用”──如果你有 Google 机器学习软件 TensorFlow 和 Python 的编码经验,对于想成为发现那颗全新系外行星的“行星猎人”将会很有帮助。
Shallue 表示,公布代码除了要让大众了解到神经网络如何发现行星,也希望能鼓励找出对开普勒数据进一步的分析方式,替未来更复杂的搜寻工具铺平道路。
- Google’s Open Source AI Lets Anyone Hunt for Alien Planets At Home
- Open Sourcing the Hunt for Exoplanets
(首图来源:pixabay)
延伸阅读:
- 分享 Google Brain 跨领域合作成果,简立峰:开放源码让工程师与科学家能互有贡献
- NASA 宣布重大消息!与 Google AI 合作发现“迷你太阳系”