所有文章 > 正文

MIT将AI与天文学结合,助力系外行星的搜寻

作者: Jansfer

时间: 2019-09-26 13:49

麻省理工学院于今年秋天成立麻省理工Stephen A. Schwarzman计算机学院,目的是在麻省理工学院所有学校中推动计算机的进一步创新。研究人员的工作已经将计算机科学的应用超越了传统范围,这些技术已经从癌症医学发展到人类学和设计科学,甚至扩展到了系外行星的探索。

麻省理工学院于今年秋天成立麻省理工Stephen A. Schwarzman计算机学院,目的是在麻省理工学院所有学校中推动计算机的进一步创新。研究人员的工作已经将计算机科学的应用超越了传统范围,这些技术已经从癌症医学发展到人类学和设计科学,甚至扩展到了系外行星的探索。

计算科学已经在由MIT学院主导、NASA资助的系外行星测量卫星(TESS)中发挥了重要的作用。TESS于2018年4月从卡纳维拉尔角(Cape Canaveral)发射升空,它在绕地球飞行时拍摄天空图像。这些图像可以帮助研究人员找到绕太阳之外的恒星公转的行星,即系外行星。该工作正在进行中,它将揭示NASA所谓的“太阳邻居”中其他行星的更多信息。

麻省理工学院的天体物理学家和行星科学家,TESS科研副主任Sara Seager说:“TESS刚刚完成了为期两年的任务,通过对南部的夜空的勘测,TESS发现了1000多个候选行星和大约20个已确认的行星,其中一些还存在着多行星系统。尽管到目前为止,TESS已经发现了很多有价值的信息,但是找到这些系外行星并不是一件容易的事。TESS正在收集二十多万颗遥远恒星的图像,并且每两分钟更新一次,每30分钟更新一次大范围的天空的图像。每两周卫星环绕地球轨道运行一圈,并向地球发送大约350GB的数据(未经压缩)。尽管这并没有人们期望的那么多(2019年的MacbookPro拥有多达512GB的存储空间),但分析这些数据涉及到了许多复杂因素。”

Seager一直对计算在科学工具中的应用存在着浓厚的兴趣,她与Bosch Sensortec全球软件工程总监、前麻省理工学院卡夫里天体物理与空间研究所的首席研究科学家Victor Pankratius讨论该项目。作为一个有素养的计算机科学家,Pankratius表示,在他于2013年加入麻省理工学院后,就开始考虑大数据在尚未充分受益的科学领域的应用。在与诸如Seager这样的天文学家交谈之后,他对仪器的数据收集有了更加深入的了解,并且对计算机辅助技术应用于寻找系外行星产生浓厚的兴趣。

“宇宙是一片广袤无垠的区域”,Pankratius说:“因此,我认为计算机科学将会在其中发挥巨大的作用。”

我们的太阳系中地球和其他行星围绕一颗中心恒星(太阳)旋转。同样,太阳系之外还有其他行星围绕不同的恒星旋转。TESS任务的基本思想是收集图像中的光线数据,以揭示恒星的亮度与时间的变化关系。研究人员通过分析这些光线的亮度下降规律,来发现恒星前方是否有行星正在通过并暂时阻挡了部分光线。

Pankratius说:“这就如同心跳一般,行星每绕轨道运转一周,这种亮度下降现象就会发生一次。”

问题在于并不是每次亮度下降都一定是由经过的行星造成的。Seager认为:机器学习目前在TESS数据分析的“分类”阶段起作用,可以帮助他们区分行星或其他可能导致亮度下降的因素,例如可变恒星(其亮度自然会变化)或者仪器噪音。

对行星进行分门别类的分析仍然是由已经能够解读这类数据的科学家所完成的。但是研究小组现在正在将已经通过人眼识别以后的光线数据传输给计算机,以教会神经网络如何识别系外行星。计算机正在帮助他们缩小需要细致分析的光线范围。最近才毕业的物理学博士Liang Yu,在现有代码的基础上编写了该团队现在正在使用的机器学习工具。

Seager说:“虽然计算机有助于归纳最相关数据,但机器学习不能仅仅用于寻找系外行星,我们还有很多工作要做。”

Pankratius对此表示认同,他说:“我们要做的是创建计算机辅助的发现系统,该系统可以全时段对所有行星进行操作。你只需按一个按钮,计算机就能帮你看到一切。但是现在仍须有人审查这些计算机生成的数据。”

Seager和Pankratius还共同开设了一门课程,着重于介绍行星科学中计算和人工智能(AI)开发的各方面应用。Seager表示,该课程的灵感源于学生对AI及其在前沿数据科学中的应用的浓厚兴趣。

在2018年,该课程允许学生使用TESS收集的实际数据来探索该数据的机器学习应用程序。按照Seager和Pankratius的另一门课程进行建模之后,学生能够选择一个具体的科学问题并针对性的学习解决该问题的计算技能。在这种情况下,学生学习了AI技术及其在TESS中的应用。Seager表示,学生对这一独特的课堂反应很好。Pankratius说:“作为大型公民科学项目的一部分,TESS收集的许多数据也很容易获得。任何拥有合适工具的人都可以开始发现自己的东西,借助云连接甚至可以在手机上实现此功能。学生可以构建一个机器学习算法,然后根据这些数据上运行,也许会有一些新的发现。如果你对乘车回家感到厌烦了,那么为什么不去寻找行星呢?”

Pankratius表示:这种类型的合作使每个领域的专家可以共享知识并互相学习,而不是每个人在遇到其他领域的问题就束手无策。随着时间的流逝,科学变得更加专业化,因此我们需要更加科学的方法来使专家进行团队合作。计算机学院可以帮助建立更多这样的协作。它可以吸引在这些学科交叉领域工作的研究人员,弥合专家之间的理解差距。越来越多的证据表明,利用计算机科学技术是解决各种类型问题和增长数据集的有效方法。不同领域的演示结果也表明,计算机辅助技术不仅行之有效,而且会产生超越传统的新发现。

Seager表示:这种将计算机科学集成在一起的机器学习技术已经在科学领域中变得越来越普遍。

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多