NASA利用新深度学习方法构成的深度神经网络ExoMiner成功发现301个新系外行星
NASA利用新深度学习方法构成的深度神经网络ExoMiner成功发现301个新系外行星
（蜘蛛网eeook.com报道）据东网：美国太空总署（NASA）周一（22日）宣布科学家利用新深度学习方法构成的深度神经网络“ExoMiner”，成功发现了301个新的系外行星，令目前已知的系外行星增至4,569个，有助进一步了解地球以外的行星及太阳系。
ExoMiner学习过往已确认系外行星和误报个案，分析开普勒任务的数据，利用超级电脑“昴宿星团”（Pleiades）将真实的系外行星与其馀“冒牌”行星区分开来，从数据的特征确认或否认系外行星。
ExoMiner项目负责人瓦利扎德甘（Hamed Valizadegan）表示，ExoMiner高度准确，从某些方面而言比现存的机械分类器和人类专家更可靠。
相关报道：天文学家利用高级行星探测技术发现了300多颗新潜在系外行星
（蜘蛛网eeook.com报道）据cnBeta：美加州大学洛杉矶分校的天文学家已经确定了366颗新的系外行星，这在很大程度上要归功于加州大学洛杉矶分校的一名博士后学者开发的算法。在他们最值得注意的发现中，有一个由一颗恒星和至少两颗气态巨行星组成的行星系统，据悉，每颗行星的大小都跟土星差不多并且彼此之间的位置异常接近。
这些发现于2021年11月23日发表在《Astronomical Journal》上。
术语“系外行星”被用来描述我们太阳系之外的行星。天文学家已经确定的系外行星的数量总共不到5000颗，因此确定数百颗新的系外行星是一个重大进展。研究这样一大批新天体可以帮助科学家更好地了解行星是如何形成和轨道是如何演变的，并且还可以提供关于我们的太阳系是多么不寻常的新见解。
加州大学洛杉矶分校天文学教授、该研究的共同作者Erik Petigura指出：“发现数百颗新的系外行星本身就是一项重要的成就，但这项工作的与众不同之处在于它将如何照亮整个系外行星群的特征。”
据悉 ，这项研究的论文第一作者是Jon Zink，他在6月从加州大学洛杉矶分校获得博士学位，目前是加州大学洛杉矶分校的博士后学者。他和Petigura以及一个名为Scaling K2的国际天文学家团队通过利用NASA开普勒太空望远镜K2任务的数据确定了这些系外行星。
这一发现是通过Zikn开发的一种新的行星探测算法实现的。识别新行星的一个挑战是，失速器亮度的降低可能来自于仪器或模仿行星特征的其他天体物理源。辨别哪些是哪些需要额外的调查，这在传统上是非常耗时的，并且只能通过视觉检查来完成。Zink的算法则能区分哪些信号是行星哪些只是噪音。
Petigura说道：“Jon和Scaling K2团队设计的目录和行星检测算法是理解行星群的一个重大突破。他们将使得我们对行星形成和演变的物理过程的理解变得更加清晰，对此我毫无疑问。”
开普勒的最初任务在2013年意外结束，当时一个机械故障使航天器无法精确地指向它多年来一直观察的那片天空。
但天文学家们将该望远镜重新用于一项被称为K2的新任务，其目标是识别遥远恒星附近的系外行星。来自K2的数据正在帮助科学家们了解恒星在银河系中的位置如何影响到在它们周围能形成什么样的行星。然而遗憾的是，最初的开普勒任务用来识别可能的行星的软件无法处理K2任务的复杂性，其中包括确定行星的大小和它们相对于恒星的位置的能力。
Zink和合作者以前的工作为K2引入了第一个完全自动化的管道，其用软件来识别处理过的数据中可能的行星。
在新研究中，研究人员使用新软件以此分析K2的整个数据集--约500兆字节的数据，其中包括8亿多张恒星图像，以此来创建一个“目录”。该目录将很快被纳入NASA的主系外行星档案。研究人员使用加州大学洛杉矶分校的Hoffman2集群来处理这些数据。
除了研究人员确定的366颗新行星之外，该目录还列出了之前已经确定的381颗其他行星。
Zikn称，这些发现可能是帮助天文学家了解哪些类型的恒星最有可能有行星环绕以及这表明成功的行星形成所需的构件的一个重要步骤。“我们需要观察广泛的恒星，而不仅仅是像我们太阳这样的恒星，以了解这一点。”
发现有两颗气态巨行星的行星系统也非常重要，因为很少发现气态巨行星--像我们自己太阳系中的土星--像在这种情况下那样接近它们的主星。研究人员还不能解释为什么会发生在那里，但Zink表示，这使得这一发现特别有用，因为它可以帮助科学家形成对行星和行星系统如何发展的参数的更准确的理解。
“每一个新世界的发现都提供了对在行星形成中起作用的物理学的独特瞥见，”他说道。
相关报道：天文学家新发现366颗系外行星
（蜘蛛网eeook.com报道）据中国科学报（冯维维）：美国加州大学洛杉矶分校的天文学家最近发现了366颗新的系外行星，这在很大程度上要归功于一种新开发的算法。其中，最值得注意的是一个由一颗恒星和至少两颗气态巨行星组成的行星系统，其中每一颗行星的大小均与土星大致相当，而且彼此距离非常近。相关研究近日发表于《天文学杂志》。
“系外行星”被用来描述太阳系以外的行星。天文学家已经确认的系外行星总数不到5000颗，所以确认数百颗新的系外行星是一个重大的进步。研究如此多的新天体有助科学家更好地理解行星如何形成及其轨道如何演化，并可以提供关于太阳系有多么不同寻常的新见解。
“发现数百颗新的系外行星本身就是一项重大成就，这项工作的与众不同之处在于，它将阐明系外行星的整体特征。”加州大学洛杉矶分校天文学教授、该研究共同作者Erik Petigura说。
该论文第一作者Jon Zink是该校的一名博士后。他和Petigura以及一个名为攀登K2项目的国际天文学家团队，利用美国宇航局（NASA）开普勒太空望远镜的K2任务数据确定了这些系外行星。
这一发现之所以成为可能，是因为Zink开发了一种新的行星探测算法。
识别新行星的一个挑战是，恒星亮度的降低可能是因为仪器或模拟行星特征的另一种天体物理源。区分这些现象需要额外的分析，这通常非常耗时，只能通过视觉检查来完成。Zink的算法能够区分出哪些信号表明有行星，哪些只是噪声。
“Jon设计的目录和行星检测算法是了解行星数量的一个重大突破。”Petigura说，“毫无疑问，这将加深人们对行星形成和进化的物理过程的理解。”
开普勒最初的任务在2013年出人意料地结束了——当时由于机械故障，该望远镜无法准确指向它曾观测了多年的天空。
天文学家将其重新用于一项名为K2的新任务，其目标是识别遥远恒星附近的系外行星。K2的数据帮助科学家了解恒星在星系中的位置如何影响其周围形成的行星。不幸的是，最初用来识别潜在行星的开普勒任务所使用的软件无法应对K2任务的复杂性，包括确定行星的大小及其相对于恒星的位置。
Zink与合作者在之前的工作中为K2引入了第一个完全自动化的通道，通过软件在处理过的数据中识别可能的行星。
在新的研究中，研究人员使用新的软件分析了来自K2的全部数据集——约500万亿字节的数据，包括8亿多张恒星图像。他们创建了一个“目录”，并纳入了NASA的系外行星档案。
除了研究人员此次发现的366颗新行星外，该目录还列出了381颗之前已经发现的行星。Zink说，这些发现是帮助天文学家了解哪类恒星最有可能有行星围绕的重要一步，暗示了成功形成行星所需的基本要素。
“我们需要观察大范围的恒星——而不仅仅是像太阳那样的恒星，才能理解这一点。”Zink说。
此次发现的有两颗气态巨行星的行星系统也很重要，因为在太阳系中，很难找到像土星这样离恒星如此近的气态巨行星。研究人员还不能解释为什么它会在那里，但Zink说，这使得该发现特别有用，因为它有助科学家对行星和行星系统如何发展的参数形成更准确的理解。
“每个新世界的发现都提供了一个独特的机会，让我们得以一窥在行星形成过程中扮演重要角色的物理现象。”Zink说。
相关论文信息：https://doi.org/10.3847/1538-3881/ac2309
