人工智能出鞘 “剑”指系外行星

开普勒－90系与太阳系行星大小对比图

太阳系终于有了势均力敌的“对手”。美国国家航空航天局（NASA）于北京时间12月15日凌晨2时宣布，谷歌的人工智能对开普勒望远镜获得的数据进行分析后，发现了围绕恒星开普勒-90旋转的第8颗行星开普勒-90i，使开普勒-90能与太阳“并驾齐驱”，共同成为目前拥有最多已知行星（8颗）的恒星系统。

人工智能在此功不可没，尽管此前机器学习技术已被运用于搜索开普勒望远镜数据库，但最新研究证明，在捕捉遥远天体发出的最微弱信号方面，神经网络技术大有可为。

棋逢对手迷你太阳系“浮出水面”

开普勒-90距离地球2545光年远，位于天龙座（Draco）。

最新发现的开普勒90i是一颗岩石星球，大小是地球的1.3倍，由于距离其主恒星更近，公转周期仅为14.4天，平均温度据信超过800华氏度（约426.7℃）。

该研究负责人之一、德州大学奥斯汀分校的安德鲁·范德伯格说：“开普勒-90系统就像迷你版的太阳系：较小行星在内侧；较大行星在外侧，只不过彼此之间更'亲密’一点。尽管如此，其并不比其他行星系统在孕育生命方面更有优势。”

开普勒-90i并非最新研究“筛查”出的唯一系外行星，他们还找到了开普勒-80系统的第六颗行星开普勒-80g，其大小与地球类似，与邻近的4颗行星形成了一个超稳定的系统，类似此前发现的拥有7颗行星的TRAPPIST-1系统。

NASA天体物理学部门主管保罗·赫兹表示：“正如我们所料，在之前已经分析过的开普勒望远镜数据中，仍潜伏着令人兴奋的新发现，等待着合适的新工具或新技术来揭示它。这一发现表明，这些数据在未来多年都将是开展创新研究的珍宝。”

大显神威神经网络揪出“漏网之鱼”

“谷歌人工智能”（Google AI）的高级软件工程师克里斯托佛·沙律首先提出利用神经网络技术对开普勒望远镜的数据进行分析。他认为，随着数据采集技术的不断升级，天文学正和其他学科一样，慢慢陷入被海量数据淹没的困境，于是，他对利用计算机技术搜寻系外行星产生了浓厚兴趣。他说：“当数据太多，人工分析难以招架之时，正是机器学习'大显神威’之时。”

在长达4年的运行期间，开普勒望远镜收集的数据中包含3.5万个疑似行星信号，尽管科学家采用人工方法筛查出了其中最可能的信号，但最微弱的信号往往会成为“漏网之鱼”。沙律和范德伯格猜想，这些数据中可能潜伏着更有趣的系外行星发现。

于是，沙律和范德伯格训练人工智能如何根据开普勒望远镜获得的亮度数据发现系外行星。受人脑中神经元之间连接方式的启发，他们的人工神经网络技术对开普勒数据进行筛查，发现了此前被忽视的围绕开普勒-90旋转的第8颗行星微弱的凌日信号。系外行星从恒星前方经过时会导致恒星亮度轻微下降，开普勒望远镜记录下这种亮度下降信号，科学家可以据此间接推算出行星的存在以及这颗行星的诸多物理特性——这就是所谓的凌日法。

范德伯格表示：“尽管我们发现了很多假信号，但其中也可能隐藏着真实的行星。这就像翻遍小石块寻找珠宝，筛子越好，找到宝石的可能性当然也更大。”

研究人员计划接下来让这一神经网络对开普勒已搜索过的15万多颗恒星的亮度数据进行分析。

“身残志坚”开普勒书写美丽篇章

这个最新发现的“大功臣”除了人工智能，当然最重要的是开普勒望远镜。

开普勒望远镜于2009年发射升空，最初的主要任务是扫描一小片天区，巡天任务持续到2016年。但人算不如天算，2013年5月11日，望远镜出现关键故障，导致无法对原来的天区进行精确定位。NASA的天才们将错就错，调整太阳能帆板角度，采用太阳辐射光压帮助开普勒望远镜实现平衡。但凡事都有代价：望远镜必须跟太阳保持一个特定的角度，因此，原本扫描天鹅座一小片天区的角度被转移到了黄道面。

不过，开普勒望远镜注定是要书写传奇的，它“身残志坚”，在浩渺的宇宙史上留下了自己的印记。从2014年开始，开普勒望远镜进入K2——“开普勒任务2”阶段。

今年6月19日，NASA最新公布一组数据，其中囊括了开普勒望远镜的观测数据，现已发现4034颗候选系外行星，其中2335颗已被确认，49颗是类地行星，30多颗已被证实，且都在宜居带上，最吸引人的也许就是编号为“KOI-7711”的世界。这个星球大小为地球的1.3倍，在类似地球的轨道上绕着一颗类似太阳的恒星公转，几乎就是地球的双胞胎兄弟。当然，关于这个世界的更多细节，还需等新一代太空望远镜来揭开。（记者刘霞）