科學家首次以機器學習方法發現行星

英國華威大學科學家,利用機器學習技術,從上千萬個候選行星,挑選出真正的行星,這是天文學家第一次使用機器學習分析潛在行星樣本,從候選行星中確認出真正的行星,還一次找出了50顆新行星。由於機器學習比舊方法能更快獲得結果,並且可以自動化,能夠有效加速行星探索的速度。

目前不少搜尋系外行星使用凌日法(Transit),透過尋找行星經過望遠鏡和恆星中間的訊號,來發現候選行星。當行星通過望遠鏡和恆星中間,望遠鏡探測到的恆星亮度會明顯下降,也就是說,當科學家鎖定大量恆星,並尋找周期性變暗的恆星,就能發現可能存在的系外行星。雖然理論很單純,但是實際操作起來有許多複雜因素需要排除,研究人員提到,雙星系統或是背景物體的干擾,甚至因為相機微小的誤差,都可能影響觀測結果。

在行星驗證過程,必須要排除被誤判為行星的偽陽性結果,而華威大學的研究人員,建立了一個機器學習系統,來幫助人們驗證從NASA克普勒與TESS等太空望遠鏡,所發現成千上萬個候選行星,找出真正的行星。訓練模型的資料集,來自NASA克普勒太空望遠鏡兩大經確認的行星以及偽陽性樣本。

這次科學家發表的成果,他們最找到了50顆行星,這50個行星大小,最大的與海王星相當,也有比地球還小的行星,行星軌道有長達200天,也有短至1天,經機器學習驗證後的行星,天文學家就能夠透過專用的望遠鏡,優先執行進一步的觀測。

過去的機器學習技術,僅能對候選行星進行排名,但無法確定候選者是否為真正的行星,但這個步驟是行星驗證的必要階段。華威大學物理系博士David Armstrong提到,過去沒有科學家,真正應用機器學習技術驗證行星,頂多僅用來排名候選者,找出可能為行星的候選者,但是最新的機器學習系統,現在可以切確的算出機率,當候選者被確認為行星的偽陽性機率小於1%,便可以確認其為經驗證的行星。

有50個候選行星,通過研究人員所開發的演算法閾值篩選,他們希望未來可以將這個技術,用於TESS和PLATO等當前或是未來的行星尋找任務中,大規模搜尋太空中的行星,因為像是TESS太空望遠鏡執行的調查,可能一次發現成千上萬的候選行星,而機器學習方法能夠一致且快速地分析驗證這些發現,使得探索行星任務更有效率。

原文來自 iThome Online