欢 乐 牛 牛 腾 讯》》欢迎访问《欢乐牛牛腾讯》寻找系外行星,人工数据挖掘太不给力

文章来源:孝感网 发布时间:2019-11-18 09:53:19  【字号:      】

寻找系外行星,人工数据挖掘太不给力 在不间断摸索广袤太空的进程中,美国国度航空航天局(NASA)越来越意识到:获得的数据实在太多了!

这是人类技巧越来越强的体现。发射出去的大小探测器,一个个野心勃勃,剑指前辈望远镜们不敢想象的每一处深空,同时,返回的数据夜以继日地累积着。

可这些数据都是要剖析的啊……科学家们扶着额头想。

这不是雇几个实习生就能辅助解决的问题,幸好,有人工智能(AI)在。

数据如山倒,剖析如抽丝

剖析海量数据,毕竟要面对多大压力?

以开普勒太空望远镜为例,其在2009年发射升空,是世界首个用于探测太阳系外类地行星的飞翔器。仅在起初3年半的义务期内,开普勒望远镜就对超过15万个恒星系统展开不断监控,从而发生了宏大的数据集。这些数据首先要经由盘算机处置,但当盘算机辨认出必定的信号时,又必需依附人工剖析,断定其是否为行星轨道所发生,这项宏大的筛查工作单靠NASA的科学家甚至科学小组,都没有非常有效的方式完成。

曾经,NASA尝试了将所有数据公之于众的做法。该机构成立了名为“系外行星摸索者”的新项目,让成千上万的国民科学家在注册后拜访开普勒义务所记载的信息,并有效地进行数据发掘。

这个措施相当不错。很快加州理工学院就发布一组国民科学家找到了新的“太阳系”,一个多行星系统,是NASA科学家此前没有发明的。

国民科学家其实很合适参与到数据收集与剖析运动中来,这就是所谓“聚沙成塔”。不过,面对源源不断袭来的海量数据,人力毕竟不是长远之计。

AI:我来试试?

一方面是数据如山倒;另一方面,像开普勒望远镜这样的装备,获得的数据背景其实非常复杂,人类科学家往往无法正确定位到数据集里的所有行星。

于是,在开普勒K2阶段义务的一项最新研讨中,德克萨斯大学奥斯汀分校科学家与谷歌公司合作开发了一种人工智能算法,这种算法可以追寻到被普通方式遗漏的行星。

目前,研讨团队应用该方式在开普勒望远镜的宏大数据集中,找到了两颗新的系外行星。这两颗行星都位于水瓶星座,宿主恒星距离地球分辨有1300光年和1230光年。

这已经不是人工智能第一次出手辅助人们“找星星”。2017年底,谷歌的机器学习技巧就成为了发明系外行星的功臣,其进程涉及让盘算机学会从开普勒收集的3.5万个可能的行星信号中搜寻“凌星”的迹象。

随着技巧更迭,科学家很欣慰地发明,新算法已可以辅助人类找到更多传统方式找不到的行星,当然,更将有助于其他行星探测义务的数据剖析,从而最终追踪到与我们地球最像的行星。

TESS:我资金不多,但数据也不少

1995年,日内瓦大学天文学家发布发明了太阳系外的第一颗行星。从那以后,人们一直在致力寻找更多系外行星,因为那有“另一个世界”的盼望。

现在,地基射电望远镜、轨道太空望远镜和其他强盛的高科技工具,正以惊人的速度发明着新的星球。截至2018年3月8日的数据,经天文学家剖析确认后的太阳系外行星共有3743颗,其中2649颗由开普勒望远镜发明。

这不过是已获得数据集里的九牛一毛。

开普勒望远镜之后,NASA的“凌日系外行星勘测卫星”(TESS,“苔丝”)已于2018年4月18日升空。按NASA的描写,这个探测器是中等义务级别,预算远不及开普勒义务,甚至一度被嘲是个“半吊子”继任者。

但TESS有自己步调。即便义务级别略逊,TESS也将带来全天候、全天空的“狩猎”——扫描至少20万颗恒星,观测太空区域比开普勒大350倍。从它的数据中,科学家将调查行星的密度、大气以及剖析是否有液态水,一旦有呈现“地球2.0”的盼望,资金也将相应升级。

无论是开普勒还是TESS,数据已经到了科学家不可能全体进行人工剖析的阶段。而谷歌的AI工程师早已看到这一幕——

他们曾说:当人工“大海捞针”难以抵挡,正是机器学习技巧上阵的时候。(张梦然)


推举浏览

玉兔二号探测有望满一年 不少网友表现担心:从1月3日在月球着陆至今,3个月时光即将期满,玉兔二号是不是马上要“退休”了?中国航天科技团体八院玉兔二号移动分系统主任设计师刘殿富近日表现:“3个月是我们设计的底线,我们盼望它至少能工作一年。实际上我们以为它能走更长时光。”【详细】

神经流苏研讨实现对大脑信息的稳定读取 解析大脑功效是人类认识自然与自身的终极目的。大脑通过神经元细胞的电运动进行信息的传递、转换和整合,进而完成各种功效,包含感知觉、学习、记忆、决定和活动把持等。 【详细】




(责任编辑:管喜德)

专题推荐