Künstliche Intelligenz, NASA-Daten verwendet, um achten Planeten
Kreisen weit entfernten Stern zu entdecken
Mit der Entdeckung eines achten Planeten ist
das Kepler-90-System das erste, mit der Zahl der Planeten unseres
Sonnensystems zu binden.
Credits: NASA/Wendy Stenzel
Unser Sonnensystem ist nun für die meisten
Anzahl der Planeten um einen einzelnen Stern mit der jüngsten Entdeckung
eines achten Planeten kreisen Kepler-90, einen sonnenähnlichen Stern
2.545 Lichtjahre von der Erde gebunden. Der Planet wurde in Daten von
Kepler-Weltraumteleskop der NASA entdeckt.
Die neu entdeckte Kepler-90i – ein sizzling
hot, felsigen Planeten, der um seinen Stern einmal alle 14,4 Tage kreist
– wurde mit maschinellen Lernens von Google gefunden. Machine Learning
ist ein Ansatz für die künstliche Intelligenz in dem Computer "lernen."
In diesem Fall gelernt Computer identifizieren Planeten finden in Kepler
Dateninstanzen wo das Teleskop Signale von Planeten außerhalb unseres
Sonnensystems, bekannt als Exoplaneten aufgezeichnet.
NASA veranstaltet einen Reddit fragt mich was
ihr wollt um 3 Uhr EST heute auf diese Entdeckung.
Unser Sonnensystem ist nun für die meisten
Anzahl der Planeten um einen einzelnen Stern mit der jüngsten Entdeckung
eines achten Planeten kreisen Kepler-90, einem sonnenähnlichen Sterne
2.545 Lichtjahre von der Erde gebunden. Der Planet wurde in Daten von
Kepler-Weltraumteleskop der NASA entdeckt.
Credits: NASA
Video auf YouTube ansehen
"So, wie wir erwartet hatten, gibt es
spannende Entdeckungen in unseren archivierten Keplerdaten, warten auf
das richtige Werkzeug oder Technologie, ausgraben, lauern", sagte Paul
Hertz, Direktor des NASA Astrophysics Division in Washington. "Dieses
Ergebnis zeigt, dass unsere Daten eine wahre Fundgrube für innovative
Forscher seit Jahren verfügbar sein werden."
Die Entdeckung kam zustande, nachdem Forscher
Christopher Shallue und Andrew Vanderburg einen Computer trainiert zu
lernen, wie man identifizieren Exoplaneten in den leichten Lesungen
aufgenommen von Kepler – die winzigen Veränderung der Helligkeit
erfasst, wenn ein Planet an, übergeben oder gereist, ein Star.
Inspiriert übrigens Neuronen im menschlichen Gehirn verbinden, diese
"neuronalen Netzes" Keplerdaten durchgesiebt und schwache Transit
Signale von einem zuvor verpasst achten Planeten umkreisen Kepler-90, in
der Konstellation Draco gefunden.
Während maschinelles Lernen bei der Suche der
Kepler-Datenbank verwendet wurde, zeigt dieser Forschung, dass neuronale
Netze ein viel versprechendes Instrument sind bei der Suche nach einige
der schwächste Signale aus fernen Welten.
Anderen Planetensystemen Versprechen
wahrscheinlich mehr für das Leben als Kepler-90. Etwa 30 Prozent größer
als die Erde, ist Kepler-90i so nah an seinen Stern, dass die
durchschnittliche Oberflächentemperatur geglaubt wird, um 800 Grad
Celsius, auf Augenhöhe mit Quecksilber zu überschreiten. Der äußerste
Planet, Kepler - 90h, kreist in derselben Entfernung zu seinem Stern wie
Erde um die Sonne.
"Das Kepler-90-star-System ist wie eine
Mini-Version unseres Sonnensystems. Sie haben kleine Planeten im Inneren
und große Planeten außerhalb, aber alles ist viel näher scrunched",
sagte Vanderburg, NASA Sagan Postdoctoral Fellow und Astronom an der
University of Texas at Austin.
Shallue, ein senior Software Engineer mit
Google Forschungsteam Google AI, kam mit der Idee, ein neuronales Netz
zu Kepler-Daten gelten. Er interessierte sich für Exoplaneten Entdeckung
nach lernen, Astronomie, wie anderen Zweigen der Wissenschaft, schnell
mit Daten überschwemmt ist für die Datenerfassung aus dem Weltraum
schreitet.
"In meiner Freizeit ich googeln nach"Suche
nach Exoplaneten mit großen Datenmengen"gestartet und erfuhr von der
Kepler-Mission und der riesigen Datensatz zur Verfügung," sagte Shallue.
"Maschinelles Lernen wirklich glänzt in Situationen wo gibt es so viele
Daten, dass Menschen es für sich selbst suchen können."
Keplers Vierjahres-Dataset besteht aus 35.000
möglich planetarischen Signale. Automatisierte Tests, und manchmal
menschliche Augen werden verwendet, um die vielversprechendsten Signale
in den Daten zu überprüfen. Allerdings fehlen die schwächste Signale oft
mit diesen Methoden. Shallue und Vanderburg dachte, es könnte mehr
interessante Exoplanet Entdeckungen schwach lauern in den Daten.
Zuerst trainierte sie das neuronale Netz
transitierende Planeten mit einem Satz von 15.000 zuvor überprüft
Signale aus dem Kepler entdeckte Exoplanet Katalog identifizieren. In
den Test identifiziert das neuronale Netz korrekt wahre Planeten und
Fehlalarme 96 Prozent der Zeit. Dann geleitet die Forscher mit dem
neuronalen Netzwerk haben "gelernt", das Muster der transitierende
Exoplaneten zu erkennen, ihr Modell für schwächere Signale in 670
Sternensysteme zu suchen, die bereits mehrere bekannte Planeten hatte.
Ihre Annahme war, dass mehrere Planeten Systeme die besten Orte, um
weitere Exoplaneten suchen wäre.
"Wir haben viele Fehlalarme des Planeten,
sondern auch potenziell realer Planeten", sagte Vanderburg. "Es ist wie
Sichten durch Felsen, um Edelsteine zu finden. Wenn Sie ein feineres
Sieb haben Sie fangen mehr Felsen aber könnten Sie mehr Juwelen, sowie
fangen."
Kepler-90i war nicht das einzige Juwel dieser
neuronalen Netzwerk heraus gesiebt. Im Kepler-80 System fanden sie einen
sechsten Planeten. Dieser, der erdähnlichen Kepler - 80g, und vier
seiner benachbarten Planeten Form, was eine resonante Kette – genannt
wird, wo Planeten durch ihre gegenseitigen Schwerkraft in einem
rhythmischen orbital Tanz gesperrt. Das Ergebnis ist ein extrem stabiles
System, ähnlich wie die sieben Planeten der TRAPPISTEN-1-System.
Ihre Forschungsarbeit Berichterstattung dieser
Erkenntnisse wurde zur Veröffentlichung in The Astronomical Journal
akzeptiert. Shallue und Vanderburg wollen ihre neuronalen Netzes Keplers
Komplettset von mehr als 150.000 Sternen zuweisen.
Kepler hat eine beispiellose Dataset für
Exoplaneten Jagd produziert. Nach der Blick auf ein Pflaster Platz für
vier Jahre, das Raumschiff nun auf einer erweiterten Mission tätig ist
und schaltet sein Sichtfeld alle 80 Tage.
"Diese Ergebnisse zeigen die Wertbeständigkeit
der Kepler Mission", sagte Jessie Dotson, Keplers Projektwissenschaftler
am NASA Ames Research Center in Silicon Valley, Kalifornien. "Neue
Sichtweisen auf die Daten – wie diese frühe Forschung Machine
Learning-Algorithmen anwenden – versprechen, auch weiterhin erhebliche
Fortschritte in unserem Verständnis von Planetensystemen um andere
Sterne ergeben. "Ich bin sicher, es gibt weitere Premieren in den Daten
wartet auf Menschen, sie zu finden."
Ames verwaltet die Kepler und K2 Missionen der
NASA Science Mission Directorate in Washington. NASA Jet Propulsion
Laboratory in Pasadena, Kalifornien, leitete Kepler Mission Entwicklung.
Ball Aerospace & Technologies Corporation betreibt das Flugsystem mit
Unterstützung aus dem Labor für atmosphärische und Space Physics an der
University of Colorado in Boulder. Diese Arbeit wurde durch die Carl
Sagan Postdoctoral Fellowship Program ausgeführt von der NASA entdeckte
Exoplanet Science Institute durchgeführt.
Weitere Informationen über diese Ankündigung
finden Sie auf:
https://www.NASA.gov/mediaresources
Weitere Informationen über die Kepler-Mission
finden Sie auf:
https://www.NASA.gov/Kepler
-Ende-
Felicia Chou
Sitz, Washington
202-358-0257
felicia.chou@nasa.gov
https://www.nasa.gov/press-release/artificial-intelligence-nasa-data-used-to-discover-eighth-planet-circling-distant-star