新技术开启宇宙探索黄金时代

参考消息网报道 据美国《福布斯》杂志网站7月27日报道，美国天文学家借助一系列尖端人工智能工具发现一个令人震惊的行星群，它们在银河系的这一区域围绕散布其中的系外恒星运行。

1995年，人类首次探测到围绕一颗类太阳恒星运行的系外行星。仅仅30多年以后，这群天体物理学家就发现迄今为止规模最大的候选行星群：超过1万颗围绕各种恒星运行的行星。这个奇妙的发现在一定程度上归功于人工智能助手。

11颗潜在的“超级地球”

这个团队由普林斯顿大学的天体物理学家乔书亚·罗斯领导，他们在题为《T16行星搜寻：来自凌日系外行星勘测卫星(TESS)第一观测周期的1万颗新候选行星》的精彩论文中概述他们的发现。

罗斯在接受采访时告诉我，他的团队发现一大批系外候选行星，包括被称为“热木星”的围绕恒星紧密运行的巨型气态行星，以及可能宜居的“超级地球”。

“‘热木星’最容易探测。”他说，因为它们体型巨大，在经过母恒星前方时会遮挡更大比例的光线；同时，它们的公转周期很短，会频繁并快速地引发这种阻挡光线的“凌日”现象，而这些现象全都能被高分辨率成像望远镜捕捉到。

他说，在他们团队发现的系外行星中，气态行星超过9000颗，其次是100多颗海王星大小的天体，还有11颗潜在的“超级地球”。

他们追踪的恒星种类繁多，从寿命可达万亿年以上的小型橙色恒星——M型矮星，到亮度极高但寿命短暂的蓝色超巨星等等。

罗斯说，他们团队的天文学家来自普林斯顿大学、麻省理工学院、加利福尼亚大学洛杉矶分校以及智利拉斯坎帕纳斯天文台，他们依靠一系列先进的人工智能工具，快速分析TESS太空望远镜拍摄的恒星图像。

“随机森林”机器学习系统

在把这些图像转化为光变曲线(即记录恒星亮度变化的图表，这种变化可能是由于环绕运行的行星部分遮挡其母恒星的光线所致)后，团队部署包括剑桥系外行星凌日恢复算法软件(CETRA)在内的人工智能软件，对源自TESS的8000万条光变曲线进行筛查，从而精选出最核心的系外行星候选目标。

他的团队训练的名为“随机森林”的机器学习系统进一步缩小潜在行星的范围。

从英国剑桥大学到西欧的一批学者等世界各地的天文学家都在尝试结合不同的人工智能突破成果加速在银河系中搜寻行星的速度，罗斯的团队在发现新的系外行星方面已处于全球领先地位。

罗斯说，现在他的团队正在争分夺秒地解析TESS望远镜第二观测周期的图像。他预测，他们可能会再次发现一个令人惊叹的全新潜在行星宝库。

他指出，改变新一轮搜索的参数和重点，可能会发现更多类似地球的行星，包括一些位于恒星宜居带内的行星，生命或许能在那里诞生繁衍。

在第一轮搜索中，罗斯团队的机器学习系统极大地加快了行星搜寻的速度。第一轮搜索在系外行星探测方面取得惊人进展，包括美国国家航空航天局和欧洲航天局等机构在内的全世界天体物理学家可能都在对此进行研究。

罗斯说：“可以肯定地说，如果没有机器学习这一步骤，这项搜索根本不可能完成。”

他说：“如果没有机器学习这个步骤，这项搜索需要多长时间？我能给出的最佳估计是基于我们人工筛选5万个候选目标花费的时间，那大概需要六周高度专注的工作。”

“机器学习这一步骤，”他补充说，“把我们的光变曲线数量从8000万条减少到大约250万条。”

他说：“因此，在最差的情况下，我们需要筛选的光变曲线数量将是现在的32倍，这将耗费我大约192周，也就是三年半的时间。”

在这个领域，罗斯所在的普林斯顿大学处于全球领先地位，有超过20位诺贝尔物理学奖得主。罗斯说，他计划通过引入卷积神经网络对TESS生成的全帧图像切片进行分类，从而进一步加快新行星的搜索速度。

他说：“我们目前正在积极推进这项工作。我希望能在年底前实现卷积神经网络，这有望消除或至少最大程度地减少人工审核。”

“我认为这完全可行，”他预测，“因为我们现在有TESS望远镜第一观测周期的庞大样本，可以作为训练集使用，这应该会让卷积神经网络的训练变得容易一些。”

“柏拉图”号空间望远镜

他还说，随着新型空间超大望远镜的相继投入使用，以及复杂机器学习和神经网络在天文学家搜寻系外行星中的应用日益扩大，一个探索宇宙的全新黄金时代已经拉开帷幕。

罗斯说，未来十年，可能会发现大量新的候选行星。

欧洲航天局即将发射的尖端望远镜“柏拉图”号空间望远镜旨在观测可能类似地球的小型类地行星。

罗斯说：“‘柏拉图’计划在明年初发射，它很可能会发现许多这样的小型行星。”而且，“柏拉图”还具有“更高的测光精度”。

他说：“‘柏拉图’任务的明确目标是在一颗类似太阳的恒星周围发现一颗类似地球的行星。”

“柏拉图”还旨在寻找表面存在液态水且拥有适宜生命存在的大气层的行星。

他补充说：“‘柏拉图’将有助于探测半径更小、轨道周期更长的行星。因此，我敢断言，和TESS相比，‘柏拉图’将在距离母恒星更远的轨道上探测到更多的较小行星，甚至有可能发现那些恰好位于恒星(尤其是M型矮星)宜居带内的行星。”

“得益于正在规划的大规模后续观测计划，‘柏拉图’探测到的候选行星质量应该也相当高”，他的团队“计划利用‘柏拉图’快速追踪大量候选行星”。

他说：“我们将广泛运用机器学习方法来搜索‘柏拉图’数据中的行星。”（编译/赵菲菲）