英媒：NASA借助新学习算法发现301颗系外行星

枫晴林

据英国《每日邮报》网站11月24日报道，美国国家航空航天局（NASA）说，借助一种新的深度学习算法，又确认发现了301颗系外行星。全文摘编如下：

ExoMiner深度神经网络帮助发现了这些系外行星。该网络是利用NASA的开普勒太空望远镜及其后续K2任务的数据创建的。它使用了NASA的“普勒阿得斯”超级计算机，能够辨别出真正的系外行星与“误报”的系外行星之间的差异。

加上新确认的这些围绕着宇宙中遥远恒星运转的行星，人类确认的系外行星总数达到了4870颗。

研究报告作者之一、NASA艾姆斯研究中心系外行星科学家乔恩·詹金斯在一份声明中说：“与其他探测系外行星的机器学习程序不同，ExoMiner并不是一个黑匣子——它认定某个天体是不是行星的理由并不神秘。”

詹金斯表示：“我们很容易解释数据中的哪些特征导致ExoMiner否定或确认一颗行星。”

在这项研究中，ExoMiner使用开普勒望远镜档案中的数据集，从大量候选对象中发现了301颗行星。

这些候选对象经过了开普勒科学运行中心的验证，并由开普勒科学办公室提升至行星候选状态。

据英国《每日邮报》网站11月24日报道，美国国家航空航天局（NASA）说，借助一种新的深度学习算法，又确认发现了301颗系外行星。全文摘编如下：

ExoMiner深度神经网络帮助发现了这些系外行星。该网络是利用NASA的开普勒太空望远镜及其后续K2任务的数据创建的。它使用了NASA的“普勒阿得斯”超级计算机，能够辨别出真正的系外行星与“误报”的系外行星之间的差异。

加上新确认的这些围绕着宇宙中遥远恒星运转的行星，人类确认的系外行星总数达到了4870颗。

研究报告作者之一、NASA艾姆斯研究中心系外行星科学家乔恩·詹金斯在一份声明中说：“与其他探测系外行星的机器学习程序不同，ExoMiner并不是一个黑匣子——它认定某个天体是不是行星的理由并不神秘。”

詹金斯表示：“我们很容易解释数据中的哪些特征导致ExoMiner否定或确认一颗行星。”

在这项研究中，ExoMiner使用开普勒望远镜档案中的数据集，从大量候选对象中发现了301颗行星。

这些候选对象经过了开普勒科学运行中心的验证，并由开普勒科学办公室提升至行星候选状态。

新发表的研究报告表明，在筛除“误报”方面，ExoMiner神经网络比人类科学家更加一致和精确。

ExoMiner项目负责人和机器学习主管哈米德·瓦利扎德甘说：“当ExoMiner说某个天体是一颗行星时，你就可以确定它是一颗行星。”

他说：“ExoMiner高度准确，在某些方面比现有的机器分类器和它所模拟的人类专家更加可靠，因为人类在归类工作中会带有偏见。”

NASA指出，在被加入这份越来越长的名单的301颗系外行星中，没有一颗“据信与地球相似或处于其母恒星的宜居带”，但其中一些与地球附近的其他系外行星拥有某些共同特征。

詹金斯说：“发现这301颗系外行星有助于我们更好地了解我们自己星系之外的行星和类太阳系，以及是什么让我们的地球如此独特。”

这份研究报告已于近日发表在美国《天体物理学杂志》季刊上。

来源：http://www.cankaoxiaoxi.com/science/20211128/2461226.shtml
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！