Der Reporter erfuhr am 18. Oktober von der Chinesischen Akademie der Wissenschaften, dass Forscher des Shanghai-Observatoriums der Chinesischen Akademie der Wissenschaften und anderer Einheiten mithilfe der Technologie der künstlichen Intelligenz fünf Planeten mit ultrakurzer Periode entdeckt haben, deren Durchmesser kleiner als der der Erde ist. Vier von ihnen sind die kleinsten bisher entdeckten Planeten und haben eine ähnliche Größe wie ihre Muttersterne. Dies ist das erste Mal, dass Astronomen künstliche Intelligenz einsetzen, um die Aufgabe zu erfüllen, nach vermuteten Signalen zu suchen und gleichzeitig echte Signale zu identifizieren. Relevante Forschungsergebnisse wurden online in den Monthly Notices der Royal Astronomical Society veröffentlicht.
Unter ultrakurzen Planeten versteht man Planeten mit einer Umlaufzeit von weniger als einem Tag. Sie umkreisen ihre Wirtssterne in extrem geringer Entfernung. Sie sind normalerweise kleiner, haben eine geringere Masse und weisen extrem hohe Oberflächentemperaturen auf. Bisher haben Astronomen insgesamt 145 Planeten mit ultrakurzer Periode gefunden, von denen nur 30 einen kleineren Radius als die Erde haben. „Das Verständnis der relativen Häufigkeit und Eigenschaften ultrakurzperiodischer Planeten ist für die Prüfung theoretischer Modelle von entscheidender Bedeutung. Allerdings ist die Stichprobengröße bekannter ultrakurzperiodischer Planeten zu klein, was es schwierig macht, ihre statistischen Eigenschaften und Häufigkeiten genau zu verstehen.“ „Das Papier sagte Ge Jian, korrespondierender Autor und Forscher am Shanghai Observatory der Chinesischen Akademie der Wissenschaften.
Dieses Mal hat das Team von Ge Jian auf innovative Weise einen Deep-Learning-Algorithmus entwickelt, der GPU-Phasenfaltung und Faltungs-Neuronale Netze kombiniert. Mit diesem Algorithmus entdeckte das Team erfolgreich fünf Planeten mit ultrakurzer Periode in den Sternphotometriedaten des Kepler-Weltraumteleskops.
Ge Jian sagte, dass diese Forschungsarbeit im Jahr 2015 begann, als die künstliche Intelligenz „AlphaGo“ einen großen Durchbruch erzielte und die professionellen Meister in der Go-Welt erfolgreich besiegte. Er ließ sich nicht nur von seinen Kollegen motivieren und inspirieren, sondern beschloss auch, die Deep-Learning-Technologie der künstlichen Intelligenz auf die vom Kepler-Weltraumteleskop gesammelten Sternphotometriedaten anzuwenden, um nach schwachen Transitsignalen zu suchen, die mit herkömmlichen Methoden nicht erkannt werden konnten.
Nach fast zehn Jahren harter Arbeit hatte Ge Jians Team endlich seine erste Ernte. Ge Jian glaubt, dass man, wenn man künstliche Intelligenz nutzen möchte, um extrem seltene neue Entdeckungen in riesigen astronomischen Daten zu „graben“, innovative Algorithmen für künstliche Intelligenz entwickeln und große Datensätze verwenden muss, die auf der Grundlage der physikalischen Bildeigenschaften neu entdeckter Phänomene generiert werden Training Es kann seltene und schwache Signale, die auf herkömmliche Weise schwer zu finden sind, schnell, genau und vollständig erkennen.
Josh Winn, Professor an der Princeton University, bemerkte, dass Planeten mit ultrakurzer Periode extrem extreme und unerwartete Eigenschaften hätten, die Hinweise auf das Verständnis der Menschen darüber geben, wie sich Planetenbahnen im Laufe der Zeit verändern. Diese technologische Leistung bei der Entdeckung neuer Planeten ist beeindruckend.
„Die Entdeckung dieser ultrakurzperiodischen Planeten liefert wichtige Hinweise für die frühe Entwicklung von Planetensystemen, Planet-Planet-Wechselwirkungen und die Dynamik von Stern-Planet-Wechselwirkungen und ist von großer Bedeutung für die theoretische Forschung zur Planetenentstehung.“ Jian sagte: Die Forschung bietet eine neue Forschungsmethode für die schnelle und effiziente Suche nach Transitsignalen in hochpräzisen photometrischen Beobachtungsdaten und demonstriert außerdem vollständig das breite Anwendungspotenzial künstlicher Intelligenz bei der Untersuchung schwacher Signale in umfangreichen astronomischen Daten.