发现了两颗新的系外行星,但未被人眼发现。它是由人工智能发现的

                                                    发现了两颗新的系外行星,但未被人眼发现。它是由人工智能发现的


                                                    在德克萨斯大学奥斯汀分校《天文学杂志》上发表的一篇论文中发表的研究报告称,他们将人工智能应用于NASA开普勒太空望远镜收集的数据。人工智能已成功识别到目前为止两颗恒星未被发现的行星。 插图:使用人工智能来分析噪声数据会产生结果。 使用的数据是在开普勒所谓的K2任务期间收集的,这是航天器延伸的“第二次生命”活动。该事件始于2013年,当时NASA工作人员在严重故障后成功重新启动了望远镜。 该研究的作者之一安德鲁范德比尔特解释说,将损坏的航天器重新投入运行无疑是工程学的一大胜利,但却让天文学家头痛不已。他说:“K2的数据更具挑战性,因为宇宙飞船一直在移动,” 摆动的运动意味着收集的数据非常嘈杂,这使得系外行星的识别更具挑战性。研究人员现在已经证明,一种解决方案是构建行星搜索算法,然后让它自由运行。在运行程序之后,我们发现了一颗行星K2-293b,它围绕一颗距离我们1300光年的恒星运行,行星K2-294b围绕一颗1230年的恒星运行。两者都位于水瓶座。 Vanderberg说:“人工智能将帮助我们统一搜索数据集。”即使每颗恒星周围都有一颗行星大小的行星,当我们用开普勒望远镜观察时,我们也找不到所有的行星。这只是因为有些数据太嘈杂,或者有时行星没有正确对齐。因此,我们必须纠正错过的内容。我们知道,由于这些原因,我们无法看到许多行星。 “如果我们想知道有多少行星,我们必须知道我们发现了多少行星,但我们也必须知道我们错过了多少行星。这就是问题所在。” 多年来,科学家们利用美国宇航局开普勒太空望远镜的数据发现并发现了成千上万的过境外行星。在他延长的K2任务中,开普勒在黄道面上的天空的不同区域观测到恒星,因此在不同的星系中观测到恒星。天文学家想要知道,在这些不同的环境中,系外行星的数量是不同的。然而,这需要一种自动且公正的方法来识别这些区域中的系外行星,并排除模仿过境行星信号的假阳性信号。 我们提出了一种使用深度学习对这些系外行星信号进行分类的方法。深度学习是一种机器学习算法,在医学和语言学等领域很受欢迎。我们修改了一个先前用于识别开普勒地区系外行星的神经网络,以便能够识别不同K2运动中的系外行星,这一范围在银河系环境中很宽。我们训练了一个名为AstroNet-K2的卷积神经网络来预测一个给定的可能的系外行星信号是由一颗系外行星还是一个假阳性引起的。 AstroNet-K2在分析系外行星和误报方面非常成功,我们的测试装置的准确率达到98%。 1.WJ百科全书 2.天文名词 3. cosmosmagazine-ANDREW MASTERSON 如果有任何相关内容侵权,请在30天内联系作者删除。 转载请也获得授权,并注意保持完整性并注明出处

                                                    上一篇:Dior迪奥高级珠宝系列:宝石万花筒,有色宝石

                                                    下一篇:这辆14万公里的日产蝎子发动机在高温下固定,车主练习保持发动机

                                                    相关推荐:“极端刀锋流”凯煌突然崛起,不是拿分了? | 父母在那里,仍有生活方式。 | 诺维茨基:当我到车站时,老司机下车

                                                    评论

                                                    您的邮箱地址不会被公布 *

                                                    您可以使用这些html标签 <a href="#" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>