近日，由英國華威大學的大衛(wèi)·阿姆斯特朗（David Armstrong）領導的研究團隊開發(fā)了一項新的機器學習算法，可以從NASA的舊數(shù)據(jù)中識別出系外行星——即太陽系外的行星。該團隊已通過這一工具對一批潛在行星進行了識別，并從這些天體中確認出了50個新的行星。該研究的論文發(fā)表在《皇家天文學會月刊》上。

　　天文學家有2種方法可以用來探測系外行星。一種是徑向速度方法，它用來監(jiān)測恒星是否有行星引力引起的小反運動。第二種是更敏感的技術， 也是凌日系外行星巡天衛(wèi)星和開普勒采用的技術， 它主要依靠宿主星的亮度變化。如果一個恒星系的平面對準正確，從我們的角度看，它的行星就會在恒星前面過境。通過監(jiān)測這些亮度的變化，我們可以很有把握地推斷出系外行星的存在。問題是，第二種方法產(chǎn)生了大量恒星的亮度數(shù)據(jù)，其中許多恒星不會有可見的系外行星。這就需要計算機分析和人工相結(jié)合，才能確定候選星并確認它們的存在。

　　論文作者在摘要中寫道：“我們的模型只要短短幾秒就能對數(shù)千個肉眼看不見的候選行星進行識別，確認其是否真的是行星?！笨紤]到許多天文學數(shù)據(jù)庫的規(guī)模都大得驚人，該方法有望大大提高人們探索世界的效率。

　　這一算法的原理是將真假行星區(qū)分開來。阿姆斯特朗在一份聲明中說：“我們現(xiàn)在不僅能說哪些候選行星‘更可能’是行星，而是可以用確切的數(shù)據(jù)說明這種可能性有多大：如果候選天體是‘假行星’的可能性小于1％，就可以被確認為是真正的行星?！?/p>

　　研究人員并不是隨便打開一個開關，就能讓人工智能通過數(shù)據(jù)篩選來發(fā)現(xiàn)行星。他們必須用已確認的系外行星和假陽性的數(shù)據(jù)來訓練神經(jīng)網(wǎng)絡，這樣它才能在新的數(shù)據(jù)中識別出那些明顯的跡象。華威大學確認的50顆系外行星中，從海王星大小的氣體巨行星到比地球還小的巖石世界，無所不包。而使用傳統(tǒng)方法確認較小的行星存在一定困難，這也說明了人工智能在確認較小行星方面的潛力。

　　根據(jù)新的研究，在所有確認的系外行星中，大約有三分之一是用單一的分析方法確認的，這并不理想?？茖W家們說，即使現(xiàn)有的技術能夠發(fā)現(xiàn)所有可觀測到的系外行星，我們也應該有更多的選擇。他們希望新的機器學習系統(tǒng)在檢測更多行星的過程中不斷發(fā)展，成為系外行星探索過程中的重要組成部分。