0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

利用谷歌的神经网络模型找到了“迷你太阳系”

mK5P_AItists 2018-01-02 08:53 次阅读

概要:当地时间12月15日,美国国家航空航天局NASA宣布在“行星猎手”开普勒望远镜的数据库中找到了恒星“开普勒-90”周围的第八颗行星,追平太阳系。

一个恒星周围最多环绕几颗恒星?一直以来,太阳系就是人类所知的行星数量最多的星系。当地时间12月15日,美国国家航空航天局NASA宣布在“行星猎手”开普勒望远镜的数据库中找到了恒星“开普勒-90”周围的第八颗行星,追平太阳系。该星系远在2545光年外的天龙座,八大行星相互距离压缩得更近,俨然是迷你版的太阳系。

这项发现用到了谷歌的神经网络模型。

“开普勒-90”和太阳系一样拥有八大行星 本文图片均来自 NASA

通过神经网络模型,人工智能可以进行深度学习,即利用大量匹配的输入-输出值训练计算机,使之自行发掘数据中的特征。这种曾令AlphaGo在棋盘上大杀四方的人工智能模型,如今开始在天文物理的海量数据中发挥用处。或许正应了那句传言:围棋的变化组合,比宇宙中的原子数还要多。

发现新行星的方法是观察“凌日”现象,即行星掠经恒星表面时,会造成恒星亮度的下降。

“凌日”现象

2009年,“行星猎手”开普勒望远镜承载着人类寻找“第二地球”的梦想升空。它在2013年因“瘫痪”——一次严重的硬件故障结束了猎捕系外行星的任务,朝同一个方向凝视了4年。最近,NASA计划让它每80天转动一下角度。

在“瘫痪”前的四年,开普勒望远镜积累了浩繁的数据。这份数据库对科学家来说几乎是难以穷尽的富矿。目前,人类从中找出了超过4000颗疑似的系外行星。

漏网之鱼肯定存在。

已知恒星系统的行星数

克利斯朵夫·肖乐(Christopher Shallue)是谷歌人工智能团队的一名资深软件工程师,当他了解到天文学正在和许多其他学科一样被大数据淹没时,他想到了要用神经网络分析开普勒数据库。

首先,研究者训练计算机对人类已经分析过的15000个开普勒信号进行训练,当计算机能以96%的准确率识别凌日信号后,研究者用这个模型搜寻670个多行星系统中微弱的信号。他们认为,多行星的星系是寻找更多系统行星的最佳地点。

合作发现者NASA博士后安德鲁·范登堡( Andrew Vanderburg)说道:“我们得到了许多假阳性信号,但真阳性更多。这就像沙中淘金。如果你用的网格更密,你会淘到更多的沙,但也可能淘到更多的金。”

肖乐和范登堡下一步打算用人工智能模型将整个开普勒数据库筛一遍。里面包含超过15万个信号。

开普勒之前(蓝色)和开普勒(黄色)发现的系外行星

“正如我们所料,存档的开普勒数据中还藏着许多激动人心的发现,静待合适的技术解锁。”NASA天文物理部主任保罗·赫兹(Paul Hertz)说道。“这项发现意味着,我们的数据在未来可以成为研究者们的宝库。”

新发现的“开普勒-90”第八行星——“开普勒-90i”是一颗灼热的岩石星球,公转周期14.4天。它比地球大30%,非常靠近恒星,表面温度与水星相当。

而“开普勒-90”系统最外围的行星,“开普勒-90h”,轨道距离与地球相当。

“开普勒-90星系就像迷你版太阳系:里圈有小点的行星,外圈有大点的行星,但距离压缩得更近,”范登堡说道。

迷你版太阳系:行星间距更近

除此之外,“开普勒-90”第六行星“开普勒-90g”也是通过这个人工智能模型找到的。它和四个比邻行星的相互重力形成了谐振链,异常稳定,如同此前发现的“葫芦娃”七行星系统TRAPPIST-1。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 谷歌
    +关注

    关注

    27

    文章

    6166

    浏览量

    105339
  • 神经网络
    +关注

    关注

    42

    文章

    4771

    浏览量

    100742
  • 人功智能
    +关注

    关注

    0

    文章

    1

    浏览量

    1094

原文标题:谷歌人工智能检索开普勒望远镜数据后,找到了“迷你太阳系”

文章出处:【微信号:AItists,微信公众号:人工智能学家】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    神经网络辨识模型具有什么特点

    神经网络辨识模型是一种基于人工神经网络的系统辨识方法,它具有以下特点: 非线性映射能力 :神经网络能够处理非线性问题,可以很好地拟合复杂的非线性系统。 泛化能力 :
    的头像 发表于 07-11 11:12 456次阅读

    pytorch中有神经网络模型

    当然,PyTorch是一个广泛使用的深度学习框架,它提供了许多预训练的神经网络模型。 PyTorch中的神经网络模型 1. 引言 深度学习是一种基于人工
    的头像 发表于 07-11 09:59 698次阅读

    PyTorch神经网络模型构建过程

    PyTorch,作为一个广泛使用的开源深度学习库,提供了丰富的工具和模块,帮助开发者构建、训练和部署神经网络模型。在神经网络模型中,输出层是尤为关键的部分,它负责将
    的头像 发表于 07-10 14:57 497次阅读

    基于神经网络的语言模型有哪些

    基于神经网络的语言模型(Neural Language Models, NLMs)是现代自然语言处理(NLP)领域的一个重要组成部分,它们通过神经网络来捕捉语言的统计特性和语义信息,从而生成自然语言
    的头像 发表于 07-10 11:15 725次阅读

    rnn是什么神经网络模型

    RNN(Recurrent Neural Network,循环神经网络)是一种具有循环结构的神经网络模型,它能够处理序列数据,并对序列中的元素进行建模。RNN在自然语言处理、语音识别、时间序列预测等
    的头像 发表于 07-05 09:50 604次阅读

    人工神经网络模型包含哪些层次

    人工神经网络(Artificial Neural Network,ANN)是一种模拟人脑神经网络的计算模型,具有自适应、自学习、泛化能力强等特点。本文将详细介绍人工神经网络
    的头像 发表于 07-05 09:17 570次阅读

    人工神经网络模型的分类有哪些

    人工神经网络(Artificial Neural Networks, ANNs)是一种模拟人脑神经元网络的计算模型,它在许多领域,如图像识别、语音识别、自然语言处理、预测分析等有着广泛的应用。本文将
    的头像 发表于 07-05 09:13 1175次阅读

    卷积神经网络和bp神经网络的区别

    不同的神经网络模型,它们在结构、原理、应用等方面都存在一定的差异。本文将从多个方面对这两种神经网络进行详细的比较和分析。 引言 神经网络是一种模拟人脑
    的头像 发表于 07-02 14:24 3758次阅读

    数学建模神经网络模型的优缺点有哪些

    数学建模神经网络模型是一种基于人工神经网络的数学建模方法,它通过模拟人脑神经元的连接和信息传递机制,对复杂系统进行建模和分析。神经网络
    的头像 发表于 07-02 11:36 901次阅读

    神经网络模型的原理、类型及应用领域

    数学建模神经网络模型是一种基于人工神经网络的数学建模方法,它通过模拟人脑神经元的工作机制,实现对复杂问题的建模和求解。神经网络
    的头像 发表于 07-02 11:31 1123次阅读

    神经网络在数学建模中的应用

    数学建模是一种利用数学方法和工具来描述和分析现实世界问题的过程。神经网络是一种模拟人脑神经元结构和功能的计算模型,可以用于解决各种复杂问题。在数学建模中,
    的头像 发表于 07-02 11:29 935次阅读

    基于神经网络算法的模型构建方法

    神经网络是一种强大的机器学习算法,广泛应用于各种领域,如图像识别、自然语言处理、语音识别等。本文详细介绍了基于神经网络算法的模型构建方法,包括数据预处理、网络结构设计、训练过程优化、
    的头像 发表于 07-02 11:21 529次阅读

    人工神经网络模型及其应用有哪些

    人工神经网络(Artificial Neural Networks,ANNs)是一种受生物神经网络启发的计算模型,它通过模拟人脑神经元的连接和交互来实现对数据的学习和处理。自20世纪4
    的头像 发表于 07-02 10:04 1059次阅读

    阐述人工神经网络模型的基本原理

    强大的学习能力和适应性,被广泛应用于各种领域,如图像识别、语音识别、自然语言处理、推荐系统等。本文将详细介绍人工神经网络的基本原理,包括神经元模型网络结构、学习规则和训练算法等。 神经元模型
    的头像 发表于 07-02 10:03 823次阅读

    深度神经网络模型有哪些

    模型: 多层感知器(Multilayer Perceptron,MLP): 多层感知器是最基本的深度神经网络模型,由多个全连接层组成。每个隐藏层的神经元数量可以不同,通常使用激活函数如
    的头像 发表于 07-02 10:00 1362次阅读