有了谷歌这款“猎星代码”,普通人也能拥有一颗属于自己的行星!

2018 年 3 月 10 日 镁客网 伶轩


没想到,人工智能让发现新行星变得如此简单。


去年12月中旬,谷歌和NASA开创性的利用神经网络技术,从已知的行星系统中发现了两个系外行星。

而今日,谷歌突然宣布开源这个叫做“猎星代码”的神经网络。这意味着任何人都可以下载其代码和数据,并让其在自己的机器上运行。幸运的话,甚至可以像NASA一样发现新行星。

“猎星代码”是何方神圣?


可能很多人已经忘了,谷歌的这一“猎星代码”是什么?我们先回顾下整个事件。

当时,也就是去年12月中旬,谷歌和NASA联手,将开普勒望远镜收集的行星数据投入到谷歌开发的一个神经网络中,经过大量的训练,从已知的行星系统——开普勒-90中,发现了一颗新行星,也是该系统的第八颗行星——开普勒-90i。

自此,开普勒-90系统中的行星数量与太阳系齐平,均为8颗。

除此之外,谷歌还通过这一技术,发现了开普勒-80系统中的最小行星——开普勒-80g。也正是因为具备了“寻找及识别行星”这一功能,该神经网络被称之为“猎星代码”。它的出现,被认为将极大的加快人类探索系外行星(太阳系之外的行星)的进程。

一个代码,真的有这么厉害?能够凭一己之身打破以往的系外行星探索僵局?在了解“猎星代码”之前,我们得先知道,如何识别一个行星。

行星识别和追踪困难重重,观察恒星光线变化成为最实用的方法

天文学中,行星通常是指自身不发光,但会环绕着恒星的天体。想要成为行星,必须满足以下三点要求:

1、必须是围绕恒星运转的天体;

2、质量必须足够大,可以克服固体引力,达到流体静力平衡的形状(近于球体);

3、必须清除轨道附近区域,公转轨道范围内不能有比它更大的天体。

因此,在传统的系外行星探索过程中,天文学家通常会围绕这三点,去识别和追踪可能是行星的星体,并最终作出判定。常用的方法有天体测量、直接成像法、重力微透镜法等。

但这些方法各有优势也各有弊端。因此,天文学家在综合各种探查方法的优势后,想到了一个新方法——通过高端望远镜,观察和记录星体路过恒星时,恒星表面的光线变化及数据,以判定该星体是否符合行星标准。

简单来说,当一个星体路过恒星时,二者重合的部分的光亮就会被遮挡住,光线就会随之变暗。更形象一点说,就像日食一样,当月球路过太阳时,月球就会遮挡住太阳的部分区域光线,而我们所看到的,就是太阳缺了一块。

但这个方法也有一个很大的缺陷,就是并不是所有的恒星亮度变化都是因为被某一个星体挡住了。因为双星系统、恒星黑子或者多个星体同时路过恒星都会对恒星的光线信号造成影响,甚至宇宙线打击到空间望远镜上所造成的仪器噪声都有可能对其造成干扰。为此,天文学家需要对收集到的众多光线变化数据进行检测与筛选。

行星数据太过庞大

如何筛选数据?


由于数据太过庞大,为提高效率,天文学家设定了一个检测截止点——只有信噪比超过固定阈值的数据才会被保留下来。

数据统计,截止到目前,通过该方法被手动检测的信号超30000个,其中约2500个被验证为系外行星。

到这里,或许你会认为,人类探测系外行星的僵局已经被打破。那是因为你忽略了“检测截止点”这一关键点。因为我们不能保证,在这个截止点之外,就一定没有行星。

但如果不设置截止点,我们所有检测的数据量就极为庞大。据天文学家估计,仅银河系,就可能包含多达4000亿颗系外行星。截至2016年2月,已经被认定的系外行星总数为2085颗,这些行星分属1331个行星系。

可想而知,如果想要靠人力找到所有行星,是根本不可能的。

突破“检测截止点”限制

人工智能成救命稻草


谷歌表示,正是因为开普勒-90i的相关信号比其他行星要弱很多,所以多年来,人类一直没能通过传统的行星识别手段找到它。

因此,为提高检测效率及降低错误率,NASA联手谷歌,将普勒望远镜近四年来的采集约20万颗星球的数据投入到神经网络中,用以检测低信噪比信号及行星,让其成为“猎星代码”。

据悉,“猎星代码”是由Google Brain(Google内部深度学习人工智能研究项目)和UT Austin大学的Andrew Vanderburg(一位著名的天体物理学家,专注于研究系外行星探测)合作开发的。

就像所有基于神经网络的模型一样,这个模型也需要训练集。幸运的是,如前面所述,天文学家们已经人工手动检测和分类过了30000个Kepler信号。Google 团队将其中一半的数据拿出来用作训练,其中有3500个信号经过验证后,被列为行星或行星候选者。

深度学习神经网络的高效性应该不用再多做赘述了。据谷歌方面介绍,研究人员为“猎星代码”设置了远低于原本检测点的信噪比阈值,且仅在筛查了670颗星球数据后,就发现了两颗全新的系外行星。当然,在降低阙值后,有大量的虚假信号,但我们却也因此大大降低了误判率。

最后


宇宙中的行星太多,谷歌选择开源“猎星代码”,或许是希望集众人之力,尽快将这些行星找出来。

按照国际惯例,个人发现小行星后,是能够以个人名义为其命名的。但为行星命名,必须通过IAU大会讨论后才能确定。但我们可以期待一下,如果因为“猎星代码”发现的行星数量极为庞大时,或许,我们就可以拥有一颗自己的行星,并为其命名,比如,镁客星

/- 推荐阅读 -/

 区块链危机!危险的共识算法 | 镁客网深度

 融资622亿,涉及139家公司,风口上的AI芯片2018年要起飞了吗? | 深度


 百度+莱茨狗≠区块链

镁客网

科技 | 人文 | 行业
微信ID:im2maker
长按识别二维码关注

硬科技第一产业媒体

提供最有价值的行业观察

登录查看更多
1

相关内容

谷歌公司(Google Inc.)成立于1998年9月4日,由拉里·佩奇和谢尔盖·布林共同创建,被公认为全球最大的搜索引擎。公司总部称为“Googleplex”,位于美国加州圣克拉拉县的芒廷维尤。业务包括互联网搜索、云计算、广告技术等,同时开发并提供大量基于互联网的产品与服务,其主要利润来自于AdWords等广告服务。
专知会员服务
31+阅读 · 2020年4月24日
【CVPR2020-Facebook AI】前置不变表示的自监督学习
专知会员服务
46+阅读 · 2020年4月19日
《代码整洁之道》:5大基本要点
专知会员服务
49+阅读 · 2020年3月3日
《强化学习—使用 Open AI、TensorFlow和Keras实现》174页pdf
专知会员服务
136+阅读 · 2020年3月1日
【2020新书】数据科学:十大Python项目,247页pdf
专知会员服务
212+阅读 · 2020年2月21日
专知会员服务
41+阅读 · 2020年2月20日
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
163+阅读 · 2019年10月28日
谷歌之困:谷歌为什么做不好硬件?
ZEALER订阅号
3+阅读 · 2019年11月21日
AI 最大的挑战:也许我们从根上就错了
InfoQ
5+阅读 · 2019年6月14日
无需干净样本,英伟达AI去马赛克
AR酱
10+阅读 · 2018年7月13日
【财富空间】一个人真正的资本是什么
产业智能官
6+阅读 · 2018年3月16日
S4Net: Single Stage Salient-Instance Segmentation
Arxiv
10+阅读 · 2019年4月10日
Polarity Loss for Zero-shot Object Detection
Arxiv
3+阅读 · 2018年11月22日
q-Space Novelty Detection with Variational Autoencoders
Arxiv
11+阅读 · 2018年4月8日
VIP会员
相关VIP内容
专知会员服务
31+阅读 · 2020年4月24日
【CVPR2020-Facebook AI】前置不变表示的自监督学习
专知会员服务
46+阅读 · 2020年4月19日
《代码整洁之道》:5大基本要点
专知会员服务
49+阅读 · 2020年3月3日
《强化学习—使用 Open AI、TensorFlow和Keras实现》174页pdf
专知会员服务
136+阅读 · 2020年3月1日
【2020新书】数据科学:十大Python项目,247页pdf
专知会员服务
212+阅读 · 2020年2月21日
专知会员服务
41+阅读 · 2020年2月20日
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
163+阅读 · 2019年10月28日
Top
微信扫码咨询专知VIP会员