德克薩斯大學奧斯汀分校的天文學家與谷歌合作，利用人工智能（AI）在開普勒太空望遠鏡檔案中發現了另外兩顆隱藏的行星。該技術有望識別傳統方法無法捕捉的許多其他行星。
這次發現的行星來自開普勒的擴展任務，稱為K2。
為了找到它們，由UT Austin的本科生Anne Dattilo領導的團隊創建了一種算法，該算法可以篩選開普勒採集的數據，以找出傳統行星狩獵方法遺漏的信號。從長遠來看，這個過程應該有助於天文學家發現更多錯過的行星隱藏在開普勒數據中。這些發現已被接受在即將出版的" 天文學雜誌"上發表。
其他團隊成員包括UT Austin Andrew Vanderburg的NASA Sagan研究員和Google工程師Christopher Shallue。2017年，Vanderburg和Shallue首次使用AI發現了一顆圍繞著開普勒星的行星 - 一顆已知有七顆行星的恆星。這一發現使太陽系成為唯一一個擁有與我們一樣多的行星的太陽系。
Dattilo解釋說，該項目需要一種新算法，因為在開普勒擴展任務K2期間採集的數據與航天器最初任務期間收集的數據有很大不同。
"K2數據更具挑戰性，因為宇宙飛船一直在四處移動，"範德堡解釋說。這種變化發生在機械故障之後。雖然任務規劃人員找到了解決方法，但宇宙飛船仍然留下了人工智能必須考慮的擺動。
開普勒和K2任務已經在其他恆星周圍發現了數千顆行星，等待確認的候選人數量相等。那麼為什麼天文學家需要使用AI來搜索Kepler檔案呢？
"人工智能將幫助我們統一搜索數據集，"範德堡說。"即使每顆恆星周圍都有一個地球大小的行星，當我們看到開普勒時，我們也找不到所有這些星球。這只是因為有些數據太嘈雜，或者有時行星沒有正確排列。所以我們必須糾正我們錯過的那些。我們知道有很多行星在那裡我們沒有看到這些原因。
"如果我們想知道總共有多少行星，我們必須知道我們找到了多少行星，但我們也必須知道我們錯過了多少行星。這就是它的位置，"他解釋道。
這兩個行星Dattilo的團隊發現"在K2中都是非常典型的行星，"她說。"他們真的很接近他們的主星，他們的軌道週期短，而且它們很熱。它們比地球略大。"
在這兩顆行星中，有一顆被稱為K2-293b，並在水瓶座中距離一顆1300光年遠的恆星運行。另一個是K2-294b，距離水星座有1230光年遠的恆星運行。
一旦團隊使用他們的算法找到這些行星，他們就會使用地面望遠鏡研究主星，以確認行星是真實的。這些觀測是在亞利桑那州史密森學會的惠普爾天文臺和夏威夷雙子座天文臺的吉列望遠鏡的1.5米望遠鏡上完成的。
用於查找隱藏在數據集中的行星的AI概念的未來看起來很光明。目前的算法可用於探測整個K2數據集，Dattilo表示 - 大約300,000顆恆星。她還認為這種方法適用於開普勒在2018年4月發射的後繼行星狩獵任務TESS。開普勒的任務於當年晚些時候結束。
Dattilo計劃在秋季進入研究生院時繼續使用AI進行行星狩獵。
閱讀更多 人工智能洞察 的文章
