谷歌開源獵星代碼，AI時代的天文愛好者們一起尋找那顆屬于自己的星

jopen 7年前發布 | 20K 次閱讀 Google

去年 12 月份，谷歌訓練了一個神經網絡，通過分析美國宇航局（NASA）Kepler 空間望遠鏡獲得的一些數據，發現了兩顆系外行星。這項工作作為將機器學習的方法應用到天體物理中的典型案例，或將大大加速人類對系外行星的探索步伐。

而在今天，谷歌開源了他們的代碼。任何有興趣的同學都可以下載代碼和數據，在自己的機器上運行。

注：系外行星，指在太陽系之外的行星。天文學家估計銀河系中可能包含多達4,000 億顆系外行星。截至 2016 年 2 月 22 日，已經被認定的系外行星總數為 2085 顆，這些行星分屬 1331 個行星系，其中有 509 個多行星系。- via Wikipedia

天文學家怎么發現系外行星？

or 獵星入門

我們知道，行星是不發光的，我們之所以能夠看到水、金、火、木、土星，是因為它們反射了太陽光線，但這些光線相比于恒星來說是微不足道的。當距離遙遠時，即使那些巨大的恒星都可能難以察覺，更何況那些系外行星。

谷歌開源獵星代碼，AI時代的天文愛好者們一起尋找那顆屬于自己的星

天文學家于是想到了另外一種辦法——當行星經過恒星的前方時會遮擋一部分光線，這就會導致我們測量的恒星亮度稍微下降，當離開后又會恢復，于是在恒星亮度曲線上就會出現“U形”凹陷；通過這種方法，天文學家可以間接地證明系外行星的存在。

谷歌開源獵星代碼，AI時代的天文愛好者們一起尋找那顆屬于自己的星

不過，還有一些其他原因可能會導致測得的恒星亮度降低，例如雙星系統、恒星黑子（類似太陽黑子）或者宇宙線打擊到空間望遠鏡上所造成的儀器噪聲。

谷歌開源獵星代碼，AI時代的天文愛好者們一起尋找那顆屬于自己的星

為了在 Kepler 空間望遠鏡的數據中搜索行星，天文學家們使用了自動化軟件來檢測可能由行星遮光引起的信號，然后手動跟蹤去確定這些信號到底是行星還是誤報。為了避免檢測到太多的信號，以至于他們沒有那么多人手來處理，天文學家們對自動檢測設置了一個截止點：只有信噪比超過固定閾值才會被提取出來；否則就丟掉。不過即使這樣，仍然有大量的信號需要檢測。例如到目前為止，已經有超過 30000 個信號被手動檢測過，其中約 2500 個被驗證為系外行星。

可能你也會想到，設置閾值是否會導致一些可能真實的行星信號被丟掉呢？答案是肯定的。但是，限于勞動強度太大，而降低閾值假陽性檢測率會伴隨著迅速增加，也即能夠檢測到實際行星的比例將越來越低。

然而，這些丟掉的信號里面可能存在一些我們很關切的天體——潛在的宜居行星（類似地球的行星）。這些宜居行星一般相對較小，而且圍繞在相對較暗的恒星周圍運動，其遮光信號將非常弱。因此在閾值以下丟掉的這些信號可能隱藏著仍未發現的寶藏。

來吧！機器學習！

考慮到數據的龐大和人力的密集，自然而言想到的一個方法就是：機器學習。

基于以上的考慮，Google Brain 團隊找到了 UT Austin 大學的 Andrew Vanderburg，Vanderburg 是一位著名的天體物理學家，專注于研究系外行星探測。他們合作開發了一個神經網絡（CNN 模型），用來在低信噪比檢測的信號中搜索系外行星。

谷歌開源獵星代碼，AI時代的天文愛好者們一起尋找那顆屬于自己的星

就像所有基于神經網絡的模型一樣，這個模型也需要訓練集。幸運的是，如前面所述，我們已經擁有 30000 個 Kepler 信號，這些信號已經由天文學家們人工手動檢測和分類過了。

Google 團隊使用了其中一半的數據用作訓練，其中有 3500 個信號經過驗證為行星或行星候選者。該網絡的輸入是同一個光曲線的兩個獨立視圖：一個寬視圖，允許模型檢查光曲線上其他地方的信號（例如，雙星會引起次級信號）；一個是放大視圖，使模型能夠仔細檢查信號的形狀（例如將“U形”信號和“V形”信號區分開來）。

當完成模型訓練后，Google 團隊的研究人員用它研究了光曲線的的特征，以檢驗模型的輸出是否與我們的期望相符。方法很簡單，就是系統地掩蓋輸入光曲線的某一個小區域，來檢測模型輸出的變化。結果顯示，如果掩蓋那些對判斷信號特別重要的區域，模型輸出也會相應的改變；但如果掩蓋的是不重要的區域，則不會產生顯著的影響。

舉例來說，下面這張為雙星（而不是系外行星）的光曲線圖，模型做出了正確的預測；其中綠色突顯的點是最能影響模型輸出的區域，因為它們是對應于雙星系統的次級信號。當這些點被掩蓋后，模型的輸出中判斷為系外行星的概率就從0% 突然躍升到 40%。

谷歌開源獵星代碼，AI時代的天文愛好者們一起尋找那顆屬于自己的星