2024-11-18
分享到
上海天文臺(tái)葛健教授帶領(lǐng)的國(guó)際團(tuán)隊(duì),創(chuàng)新了一種深度學(xué)習(xí)算法,成功在開(kāi)普勒衛(wèi)星2017年釋放的恒星測(cè)光數(shù)據(jù)中發(fā)現(xiàn)了五顆直徑小于地球、軌道周期短于1天的超短周期行星,其中四顆是迄今為止發(fā)現(xiàn)的距其主星最近的最小行星,類似火星大小。
這是天文學(xué)家首次利用人工智能(AI)一次性完成搜尋疑似信號(hào)和識(shí)別真信號(hào)的任務(wù),相關(guān)研究成果發(fā)表在國(guó)際天文學(xué)期刊《皇家天文學(xué)會(huì)月報(bào)》上。
2015年,人工智能AlphaGo剛?cè)〉弥卮笸黄?,打敗了圍棋界的職業(yè)高手。
葛健受佛羅里達(dá)大學(xué)計(jì)算機(jī)系同事李曉林教授的激勵(lì)和啟發(fā),決定試圖把人工智能的深度學(xué)習(xí)應(yīng)用在開(kāi)普勒衛(wèi)星釋放的測(cè)光數(shù)據(jù)中,尋找開(kāi)普勒衛(wèi)星使用傳統(tǒng)方法沒(méi)能找到的微弱凌星信號(hào)。
“要想使用人工智能在海量的天文數(shù)據(jù)中‘挖’到極其稀少的新發(fā)現(xiàn),就需要發(fā)展創(chuàng)新的人工智能算法,同時(shí)需要用人工數(shù)據(jù)集做訓(xùn)練,使之能快速、準(zhǔn)確、完備地探尋到這些很難在傳統(tǒng)方式下找到的稀少而微弱的信號(hào)?!备鸾≌f(shuō)。
經(jīng)過(guò)5年的努力和創(chuàng)新,研究團(tuán)隊(duì)成功開(kāi)發(fā)了結(jié)合GPU相位折疊和卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)的新算法(GPFC),其中,在GPU上并行化的快速折疊算法可以提高低信噪比的凌星信號(hào),實(shí)現(xiàn)高精度快速搜索,而卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)由19層神經(jīng)網(wǎng)絡(luò)組成。
由于已知的凌星信號(hào)真實(shí)樣本太少,沒(méi)法有效、精確訓(xùn)練神經(jīng)網(wǎng)絡(luò),研究團(tuán)隊(duì)根據(jù)凌星信號(hào)圖像的物理特征,創(chuàng)新地設(shè)計(jì)和生成各種可能的凌星信號(hào),然后加入200萬(wàn)個(gè)利用開(kāi)普勒衛(wèi)星真實(shí)光變數(shù)據(jù)人工合成的光變曲線上進(jìn)行訓(xùn)練。
接下來(lái),他們將訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)再應(yīng)用在開(kāi)普勒衛(wèi)星的數(shù)據(jù)集中,同時(shí),和GPU快速折疊算法一起使用,搜尋數(shù)據(jù)中的超短周期凌星信號(hào)。
最終,這種GPFC新算法比國(guó)際上流行的先進(jìn)的BLS法搜尋速度提高了約15倍,檢測(cè)準(zhǔn)確度和完備度各提高約7%,幫助團(tuán)隊(duì)發(fā)現(xiàn)了5顆半徑很小的超短周期行星。
利用新算法,科研團(tuán)隊(duì)在開(kāi)普勒衛(wèi)星的數(shù)據(jù)集中,識(shí)別出五顆新的超短周期行星,其中,有四顆位列迄今為止發(fā)現(xiàn)的最小超短周期行星中的第一、第二、第三和第五名。
普林斯頓大學(xué)天體物理學(xué)家Josh Winn教授評(píng)論:“我原以為開(kāi)普勒衛(wèi)星數(shù)據(jù)中的凌星信號(hào)已經(jīng)被‘挖掘殆盡’,不會(huì)再有其他行星發(fā)現(xiàn),聽(tīng)到這些新的潛在行星的消息,我非常興奮,這項(xiàng)尋找新行星的技術(shù)成就讓我印象深刻?!?
超短周期行星類似于“熔巖世界”,是一種公轉(zhuǎn)周期小于地球一天的行星,它們以極近的距離環(huán)繞其主恒星運(yùn)行,通常體積較小,質(zhì)量較輕,表面溫度極高。
這類行星在類太陽(yáng)恒星的出現(xiàn)率只有大約0.5%,行星半徑小于2倍地球半徑,而在超熱木星的情況下,行星半徑會(huì)大于10倍地球半徑。
2011年,科學(xué)家從開(kāi)普勒衛(wèi)星測(cè)光數(shù)據(jù)中首次發(fā)現(xiàn)了超短周期系外行星。到目前為止,一共只有145顆超短周期行星被找到,其中只有30顆半徑小于地球半徑。
葛健介紹,由于傳統(tǒng)基于太陽(yáng)系的行星形成理論并未預(yù)測(cè)軌道比水星更接近的行星,超短周期系外行星的存在給行星形成理論帶來(lái)了獨(dú)特的機(jī)遇和挑戰(zhàn),也為行星系統(tǒng)的早期演化、行星-行星相互作用以及恒星-行星相互作用的動(dòng)力學(xué)研究提供重要線索,促使科學(xué)家重新審視和完善現(xiàn)有的行星系統(tǒng)形成和演化模型。
“理解超短周期行星的相對(duì)豐度及其特性,對(duì)于檢驗(yàn)理論模型至關(guān)重要。然而,已知的超短周期行星樣本量太小,它們的統(tǒng)計(jì)特征和出現(xiàn)率很難精確了解?!备鸾≌J(rèn)為,該研究成果對(duì)在高精度光度觀測(cè)數(shù)據(jù)中快速、高效搜尋凌星信號(hào)提供了新的研究方式,充分顯現(xiàn)了人工智能在天文海量數(shù)據(jù)中探尋微弱信號(hào)的廣泛應(yīng)用潛力和前景。