佐治亚大学的一项新研究表明，人工智能可以用来寻找太阳系外的行星。最近的研究表明，机器学习可以用来寻找系外行星，这些信息可以重塑科学家探测和识别离地球很远的新行星的方式。

“关于这一点的一件新事是分析行星仍在形成的环境，”UGA富兰克林艺术与科学学院物理和天文学系的博士生，该研究的主要作者Jason Terry说。“机器学习很少应用于我们以前使用的数据类型，特别是用于观察仍在积极形成行星的系统。

第一颗系外行星于1992年被发现，尽管已知存在5多颗系外行星，但这些是科学家最容易找到的。由于两个主要原因，很难看到处于形成阶段的系外行星。它们离地球太远，通常离地球几百光年，它们形成的圆盘非常厚，比地球到太阳的距离还要厚。数据表明，行星往往位于这些圆盘的中间，传达了行星扬起的尘埃和气体的特征。

研究表明，人工智能可以帮助科学家克服这些困难。

“这是一个非常令人兴奋的概念证明，”天体物理学助理教授，系外行星和行星形成研究小组的首席研究员，该研究的共同作者Cassandra Hall说。“这里的力量在于，我们只使用计算机模拟生成的合成望远镜数据来训练这个人工智能，然后将其应用于真实的望远镜数据。这在我们的领域以前从未做过，并为詹姆斯韦伯望远镜数据的大量发现铺平了道路。

美国宇航局于 2021 年发射的詹姆斯韦伯太空望远镜开创了红外天文学的新水平，为科学家分析带来了令人惊叹的新图像和大量数据。这只是该机构寻找系外行星的最新版本，这些系外行星不均匀地散布在整个银河系中。

南希·格雷斯·罗马天文台(Nancy Grace Roman Observatory)是一架计划于2年发射的4.2027米巡天望远镜，它将寻找暗能量和系外行星，这将是下一次重大扩展，以梳理宇宙的生命。

韦伯望远镜为科学家提供了以极其明亮的高分辨率观察系外行星系统的能力，在确定由此产生的太阳系时，形成环境本身就是一个非常有趣的主题。

“好数据的潜力正在爆炸，所以这对这个领域来说是一个非常激动人心的时刻，”特里说。

新的分析工具至关重要

迫切需要下一代分析工具来迎接这些高质量的数据，因此科学家们可以将更多时间花在理论解释上，而不是仔细梳理数据并试图找到微小的签名。

“从某种意义上说，我们只是变成了一个更好的人，”特里说。“在很大程度上，我们分析这些数据的方式是，你有一个特定的磁盘有几十个、几百个图像，你只是浏览并问'这是一个摆动吗?'然后运行十几个模拟，看看这是否是一个摆动，然后......很容易忽视它们——它们真的很小，这取决于清洁，所以这种方法一，非常快，二，它的准确性得到了人类会错过的行星。

特里说，这就是机器学习已经可以完成的事情——提高人类节省时间和金钱的能力，并有效地指导科学时间、投资和新提案。

“在科学界，特别是一般的天文学中，仍然存在着对机器学习和人工智能的怀疑，对它是一个黑匣子的有效批评 - 你有数亿个参数，不知何故你会得到答案。但我们认为，我们已经在这项工作中非常有力地证明了机器学习可以胜任这项任务。你可以争论解释。但在这种情况下，我们有非常具体的结果证明了这种方法的力量。

研究团队的工作旨在为观测数据的未来应用奠定坚实的基础，通过使用模拟观测来证明该方法的有效性。