用新的深度神经网络 ExoMiner 发现 多达301颗新确认的系外行星

　　科学家们最近在系外行星总数中增加了高达 301 颗新确认的系外行星。这群行星是最新加入的 4,569 颗已经验证过的行星，它们围绕着众多遥远的恒星运行。科学家们是如何发现如此多的行星，而且似乎是同时发现的？答案在于一个名为 ExoMiner 的新型深度神经网络。

　　深度神经网络是机器学习方法，可在提供足够数据时自动学习任务。ExoMiner 是一种新的深度神经网络，它利用了NASA的超级计算机昴宿星团，可以将真正的系外行星与不同类型的冒名顶替者或“误报”区分开来。它的设计灵感来自人类专家用来确认新系外行星的各种测试和特性。它通过使用过去确认的系外行星和假阳性案例来学习。

　　ExoMiner 补充了那些擅长梳理数据和破译什么是行星和什么不是行星的人。具体来说，是由 NASA 的开普勒航天器及其后续任务 K2 收集的数据。对于像开普勒这样的任务，在其视野中拥有数千颗恒星，每颗恒星都有可能承载多个潜在的系外行星，研究大量数据集是一项非常耗时的任务。ExoMiner 解决了这个难题。

　　“与其它系外行星检测机器学习程序不同，ExoMiner 不是一个黑匣子——它为什么决定某物是否为行星并不神秘，”美国宇航局位于加利福尼亚硅谷的艾姆斯研究中心的系外行星科学家 Jon Jenkins 说。“我们可以轻松解释数据中的哪些特征导致 ExoMiner 拒绝或确认行星。”

　　已确认和已验证的系外行星之间有什么区别？当不同的观测技术揭示只能由行星解释的特征时，行星就被“确认”了。一颗行星是使用统计数据“验证”的——这意味着根据数据它是一颗行星的可能性有多大。

　　在《天体物理学杂志》上发表的一篇论文中，艾姆斯的团队展示了 ExoMiner 如何使用开普勒档案中剩余的一组可能行星或候选行星的数据发现了 301 颗行星。所有 301 颗机器验证的行星最初都是由开普勒科学运营中心管道检测到的，并由开普勒科学办公室提升为行星候选状态。但在 ExoMiner 之前，没有人能够验证它们是行星。

　　该论文还展示了 ExoMiner 如何更精确、更一致地排除误报，并更好地揭示围绕其母恒星运行的行星的真实特征——同时让科学家能够详细了解导致 ExoMiner 得出结论的原因。

　　“当 ExoMiner 说某物是一颗行星时，你可以确定它是一颗行星。”埃姆斯大学空间研究协会的 ExoMiner 项目负责人和机器学习经理 Hamed Valizadegan 补充道。“ExoMiner 高度准确，并且在某些方面比现有的机器分类器和人类专家更可靠，因为人类标记会带来偏见。”

　　据信，新确认的行星中没有一颗与地球类似，也没有位于其母恒星的宜居带内。但它们确实与我们银河系附近已确认系外行星的总体数量具有相似的特征。

　　“这 301 项发现帮助我们更好地了解我们以外的行星和太阳系，以及是什么让我们如此独特。”詹金斯说。

　　随着对更多系外行星的搜索继续进行——使用凌日光度测量的任务，如美国宇航局的凌日系外行星测量卫星，或TESS，以及欧洲航天局即将进行的行星凌日和恒星振荡，或 PLATO，任务——ExoMiner 将有更多机会证明它是到任务为止。

　　“现在我们已经使用开普勒数据训练了 ExoMiner，通过一些微调，我们可以将学习转移到其它任务，包括我们目前正在研究的TESS。”Valizadegan 说。“还有成长的空间。”