最新消息！NASA宣布发现第二个太阳系

xp3

转自：http://www.cs.com.cn/ssgs/kj/201712/t20171215_5625374.html

　北京时间今天凌晨2：00，美国宇航局对外举行新闻发布会，正式宣布在一个恒星周围发现有8颗行星组成的行星系统。

　　在此之前，我们生活的太阳系一直以来都是围绕单个恒星周围已知行星数量最多的案例，有多达8颗行星围绕太阳运行。但随着今天发布会上宣布的消息，我们了解到在2545光年之外，在一个名为“开普勒90”（Kepler-90）的恒星周围有着同样数量的行星。

　　利用美国宇航局开普勒望远镜获得的数据，天文学家在近期发现了这个系统中隐藏的第八个行星，从而让这一系统中行星体的数量达到了与太阳系相同的水平。

　　开普勒90系统与太阳系的对比

　　本次新发现的系外行星名为Kepler-90i，这是一颗小质量的岩石行星，由于距离恒星很近，公转周期仅有大约14.4天，因此可以想象其地表温度极高。本次发现的另一个亮点在于，这一成果是借助谷歌公司的机器学习技术实现的。机器学习技术的本质在于计算机通过人工智能技术实现“自我学习”。在这一案例中，计算机学会了如何对开普勒望远镜获得的海量数据中搜寻疑似的系外行星信号。

　　美国宇航局天体物理学部门主管保罗·赫兹（Paul Hertz）表示：“正如我们所料，在我们之前已经分析过的开普勒望远镜数据中仍然隐藏着令人兴奋的新发现，等待着采用合适的新工具或者新技术去揭示它。”他说：“这一发现表明我们的这些数据在未来多年内都将是开展创新研究的珍贵宝藏。”

　　美国宇航局的开普勒望远镜会记录系外行星从恒星前方经过导致的恒星亮度轻微下降现象，这种亮度下降信号可以让科学家们间接推算出行星的存在以及这颗行星的很多物理性质。在这次发现中，研究人员克里斯托佛·沙律（Christopher Shallue）和安德鲁·范德伯格（Andrew Vanderburg）训练一台计算机学习如何去对开普勒望远镜获得的海量恒星亮度数据进行分析，并从中检测那些可能暗示有系外行星存在的异常信号。受到人脑中神经元之间连接方式的启发，科学家利用人工“神经网络”技术，利用计算机系统的强大计算能力对开普勒望远镜获取的海量数据进行自动化筛选，并最终在已经被归档的数据中发现了一个此前在进行人工分析时被忽略的微弱异常信号，最终证明这是天龙座方向上，恒星开普勒-90周围存在的第八颗行星。

　　事实上，在此之前机器学习的技术就已经被运用于对开普勒望远镜数据库的分析当中，相关研究已经显示出其在查询海量数据中隐藏的细微信号方面所具备的优势。

　　尽管行星数量相同，但是从这张轨道示意图上可以清楚看到，开普勒90系统的范围要小得多，几乎就像迷你版的太阳系。其最外侧的那颗行星的轨道才几乎达到地球轨道的半径距离

　　相比开普勒90系统，其他行星系统或许在孕育生命方面会更加有优势。此次发现的新的系外行星Kepler-90i比地球大约大出30%，它距离恒星很近，其地表温度据估算可以达到800K以上（约合526摄氏度）以上。而最外侧的行星Kepler-90h围绕恒星公转的轨道距离则与地球接近。

　　范德伯格是美国宇航局萨根博士后研究员，来自德州大学奥斯汀分校。他说：“开普勒90系统就像迷你版本的太阳系。你会发现较小的行星在里侧，而较大的行星在外侧，但整个行星系的尺度好像被压缩了，成了一个迷你版本。”

　　沙律是谷歌公司下属“谷歌人工智能”（Google AI）的高级软件工程师，他想到利用神经网络技术对开普勒望远镜的数据进行分析。他在了解到天文学正和其他学科一样，随着数据采集技术的不断升级，开始陷入被海量数据淹没，难以招架的地步之后，开始对系外行星搜寻产生浓厚兴趣并开始思考如何运用自己掌握的计算机技术知识来帮助天文学家们应对这一困境。

　　沙律表示：“在我的业余时间，我开始在网络上检索诸如‘运用大数据搜寻系外行星’之类的话题，然后很快注意到开普勒望远镜项目和对外公开发布的海量数据。”他说：“当数据太多，人工分析难以招架时 ，机器学习技术的用武之地就来了。”

　　开普勒望远镜在长达4年的运行期间收集的数据中包含有3.5万个可能的行星信号。科学家们运用自动化分析，在配合人工核对来对所有疑似信号进行判读。但在最微弱的信号面前，这样的分析方法常常会将它们遗漏掉。沙律和范德伯格猜想，在已经被分析过的存档数据中，应该还有隐藏其中的，在此前的分析中被遗漏的行星信号。

　　首先，他们使用此前已经经过筛选的1.5万个信号案例来训练一个计算机神经系统网络，让它学会去识别开普勒望远镜数据集中的行星掩星信号。在这一训练测试中，人工智能对于真实系外行星信号和假信号的判断正确率达到了96%以上。随后，当计算机系统已经学会了如何识别掩星信号之后，研究小组开始尝试让计算机去对那些在周围已经发现有行星存在的670颗恒星的数据再次进行分析筛查，科学家们认为这些已经被证明存在行星系统的恒星周围是最有可能存在“漏网之鱼”的地方，或许还有其他行星信号此前未能被注意到。

　　范德伯格表示：“我们发现了很多‘假阳性’信号，但其中也可能隐藏着真实的信号。这就像翻遍各种小石块，寻找真真的宝石的过程。如果你的筛子更好，你当然会捞到更多的石块，但与此同时你捞到宝石的可能性也在增加。”

　　Kepler-90i并非这一神经网络系统找到的唯一宝石。在开普勒80系统中，他们还找到了这一系统内的第六颗行星。这颗编号为Kepler-80g的系外行星大小与地球类似，它和与它同属一个行星系统的另外4颗行星处于一个共振系统内。这样将造就一个极为稳定的系统，类似之前引发轰动的，拥有7颗行星的TRAPPIST-1系统。

　　有关这些发现的相关论文已经被《天文学杂志》接受并将在近期出版。沙律和范德伯格下一步计划让人工智能系统对整个开普勒望远镜的全部数据进行筛选分析，届时计算机将对超过15万颗恒星的亮度数据进行筛查。

　　开普勒望远镜已经在系外行星搜寻方面获得了史无前例的大量数据。在紧盯一个区域进行亮度测定超过4年之后，开普勒望远镜目前正处于其任务延长期。

　　美国宇航局埃姆斯研究中心的开普勒望远镜项目科学家杰西·道特森（Jessie Dotson）表示：“这些结果显示出开普勒项目的持久价值。分析数据的崭新方法，比如这一工作中对使用机器学习技术的初步研究，将持续加强我们对于围绕其他恒星运行的行星系统的认识和理解。我非常确信，在这些数据中还将有更多的‘第一次’等待着我们去发现。”

NASA 举办了一场电话会议，揭开了喧嚣多日的开普勒天文望远镜的“重大发现”，确定了距离地球2545 光年远的开普勒90 星系中的两颗新发现的行星——开普勒80g 和开普勒90i，这是人类发现的首个和我们太阳系一样的具有8 颗行星的星系。

重大发现！NASA和谷歌共同宣布发现"第二个太阳系"，AI扮演至关重要之角色

图丨开普勒望远镜

除此以外，此次新发现还有一个最大的亮点，那就是这次的研究成果是与Google 一起合作完成的。NASA 的科学家使用Google 机器学习来对开普勒数据进行分析，其效率和准确性远超传统的分析方法。据此，NASA 认为Google 的AI 技术将有助于在太阳系外探测到外星生命的迹象。

图丨谷歌CEO Sundar Pichai 第一时间在Twitter 上发声，这确实是谷歌AI的又一次胜利

出席此次发布会的有：

美国宇航局华盛顿总部天体物理部门主任Paul Hertz；

Google AI 高级软件工程师Christopher Shallue；

德克萨斯大学奥斯汀分校天文学家、美国宇航局萨根博士后Andrew Vanderburg；

美国宇航局艾姆斯研究中心的开普勒项目科学家Jessie Dotson。

论文地址：

https://www.cfa.harvard.edu/~avanderb/kepler90i.pdf

AI+太空探索

几千年来，人们仰望头顶的星空，夜以继日地记录所见所得，并从中发现宇宙的秘密。其中，由早期的天文学家确定的第一批天体是行星，希腊人称之为“planētai”或“流浪者”，是它们在夜空中看似不规则的运动最先引起了人们的注意。几个世纪以来的研究帮助人们认识到，像太阳系这样有众多行星围绕一颗恒星的星系在宇宙中并不是唯一的。

图丨上图为NASA 地外行星探索计划的各组成部分，包括W. M. Keck 天文台等地面观测点；哈勃、史匹哲、开普勒等太空观测点；凌日系外行星观测卫星；詹姆斯·韦伯太空望远镜；广角红外线探测望远镜，以及未来可能的其它太空观测项目。

如今，在望远镜、探测器、大型计算机等技术的帮助下，人类逐渐将我们的观察范围扩展到我们所处的太阳系之外，愈加关注其它恒星周围的行星。而研究这些被称为系外行星的天体有助于我们最深入地探索宇宙的本来面貌。地球之外还有什么呢？还有类似太阳系中的星体的其它行星吗？或者说，还有和太阳系相似的存在吗？

虽然新的技术有助于寻找新的星体，但寻找系外行星的难度其实非常大。与它们的环绕的恒星相比，系外行星体型较小且不发光——发现它们的难度就像发现几千英里外的探照灯旁边飞来飞去的萤火虫。但借助机器学习，谷歌和NASA 取得了突破。

图丨开普勒9开普勒90 是一颗类似太阳的恒星，与我们的太阳系相同的是，它也拥有8 颗行星，而不同点在于，它的8 颗行星间的距离远小于太阳系，如上图所示，最外围的第8 颗行星开普勒90h 距离恒星开普勒90 的距离还小于我们的地球到太阳的距离（日地距离约1.5 亿公里）。也正是因为距离近，所以行星公转一周所需的时间也很短，以此次发现的开普勒90i 为例，它公转一周只需要14.4 天，相比之下，即便是太阳系中公转速度最快的水星公转一周也需要88 天。但距离近也就意味着非常高的温度，开普勒90i 的表面温度为华氏800 度（摄氏426 度），这么高的温度肯定不会允许任何生命存在。而经过对开普勒90 星系结构的分析，天文学家发现该星系中的8 颗行星的分布规律与太阳系类似，它们原本的分布距离更加分散，只是后来才逐渐“聚集”到开普勒90 周围的。

通常而言，天体物理学家过往寻找系外行星的主要途径是通过自动化软件或人工来对大量产生于开普勒望远镜的数据进行分析。过去四年，开普勒望远镜观察了约20 万颗恒星，每30 分钟拍摄一张照片，创造了约140 亿个数据点。这140 亿个数据点可以转化为大约2 万亿个可能的行星轨道！对于计算能力最强大的计算机来说，这样的分析也是一个浩大的工程，而且会非常耗时。为了让这样的分析过程更快更有效，研究人员们转向了机器学习。

图丨如果一颗行星从母恒星盘面的前方横越时，将可以观察到恒星的视觉亮度会略微下降一些，这颗恒星变暗的程度取决于行星相对于恒星的大小。这种探测方法被称为“凌日法”，是地外行星侦测法之一。开普勒太空望远镜使用的就是凌日法，望远镜在长时间里对超过十万颗恒星进行监视，扫描并记录每一颗恒星在不同位置的亮度变化。这种呈U 形的明暗信号变化模式通过白色的线条来表示。视频中蓝色的点状分布，正是NASA 在分析这些光变曲线后，得出“开普勒天体”的数据。

当一颗行星挡住一些光线时，恒星的亮度就会减小。基于这样的原理，开普勒太空望远镜观测了20 万颗恒星的亮度，耗时4 年来寻找这些由行星运行过而引起的特征信号。

实际上，作为一种训练计算机识别模式的方式，机器学习对于理解大量的数据尤其有用，其关键的亮点在于让计算机“自发”学习，而不是使用特定的编程。

在合作的过程中，Google 的AI 工程师Christopher Shallue 与德州大学奥斯汀分校的天体物理学家Andrew Vanderburg 一起，教会了一个机器学习系统如何识别遥远恒星周围的行星。

他们使用超过15,000 个标记的开普勒信号的数据集，创建了一个TensorFlow 模型来区分行星与非行星。在测试时，该系统能准确地确定哪些信号是行星，哪些信号不是行星，准确率达到96％。

图丨图中的每一个点代表一个已经发现的星系，而数字代表该星系中所拥有的行星数量，从图中我们可以发现，在已知的2000 多个星系（至少有一颗行星）中，行星越多的星系越稀缺。而此次两颗行星的发现则意味着有可能有带有更多行星的星系尚待发现。

为了缩小搜索范围，科学家们研究了已知的可包含两颗及更多的系外行星的670 颗恒星。最终发现了两颗新的行星：开普勒80g 和开普勒90i。重要的是，开普勒90i 是开普勒90 星系中的第八颗行星，这使得我们确定了开普勒90 是我们已知的太阳系以外的第一个8 行星星系。

图丨开普勒太空望远镜捕捉到了3 万个疑似绕恒星公转的行星信号。研究人员通过训练神经网络，让计算机学会了识别行星从恒星前方横越时产生的微弱信号。在使用这种技术对已知的670 个多行星系统的扫描过程中，共发现了两个行星：开普勒90i 和开普勒80g。

据悉，开普勒90i 比地球大30％，表面温度大约800°F（426℃），并不适合生命生存，它围绕开普勒90 旋转一周仅需要14.4 天。

图丨开普勒90 星系中的形体构成和我们的太阳系很类似：小一些的行星绕近恒星轨道公转，大一些的行星绕远恒星轨道公转。在太阳系内，这种行星排列模式意味着原理太阳的行星温度会较低，水会以固态形式存在，并不断聚集，使行星的体积越来越大。这一规律在开普勒90 星系可能也同样适用。

图丨当开普勒太空望远镜于2009 年被发射升空时，我们仅仅发现了太阳系以外的326 颗行星，其中大部分与木星大小相近，都比地球要大得多。

图丨直到今日，我们已经确认了超过3500 个系外行星，其中超过2500 个行星是在参照开普勒望远镜数据的情况下发现的。这些行星的大小介于地球和木星之间。多亏了开普勒望远镜，在短短的几十年里，人类发现了更多的系外行星。

图丨图中橙色区域为已经被开普勒望远镜探索的区域，而广阔的未被探索区域（蓝色）中有可能还有大量的行星未被发现，考虑到开普勒望远镜的强大能力，预计不久之后又会有新的发现消息曝出。

开普勒望远镜5 大发现

开普勒望远镜在2009 年发射之后已经发现了上千颗系外行星，大大加深了我们对太阳系以外的未知宇宙的理解。8 年间，开普勒把我们已知的系外行星数提升了一个量级，其中，有五个发现最为突出。

1、“地球2.0”开普勒452b

2014 年，开普勒望远镜发现了被称为“地球2.0”的系外行星开普勒452b，2015 年7 月23 日，NASA 正式公布这一迄今为止最大的发现，是人类天文探索史上的一个重要事件。

开普勒452b 的意思是开普勒计划发现的第452 颗恒星的星系中距离主星最近的一颗行星，该行星是目前已知最接近地球的类地宜居带系外行星，这是一次重大的发现。

图丨开普勒452b

这颗行星与我们的地球有着许多共同的特征：公转轨迹略大于地球、直径比地球长60%、体积为地球的5 倍、地表的重力是地球的两倍、跟其恒星的距离与地球和太阳的距离相近、它的恒星比太阳老15 亿年且光度为太阳的1.2 倍。

专家还不确定这个星球是否有生命，而且，它正在迈向死亡。但如果将植物转移到那里，它们可能会生存下去。

2、首次发现环双恒星运行的行星开普勒16(AB)b

2011 年，开普勒首次发现一颗巨大行星环绕两颗恒星运行。这颗行星被命名为开普勒16(AB)b，它环绕着两颗恒星运行，定期有规律地出现光线昏暗现象。当两颗恒星彼此环绕时，也出现被遮挡形成的日食现象。

这颗奇特行星环绕两颗恒星运行一周大约229 个地球日，开普勒16A 和开普勒16B 恒星的质量分别为太阳的69% 和20%。这两颗恒星彼此距离很近，平均仅为日地距离的五分之一，这比水星和太阳之间的距离更近。两颗恒星彼此环绕一周的时间大约为41 个地球日。

3、发现第一个可能宜居的系外行星

2011 年12 月5 日,NASA 宣布开普勒计划发现第一个位于类太阳恒星宜居带的太阳系外行星开普勒22b。该行星位于天鹅座内，距离地球600 光年，环绕着类太阳恒星开普勒22 公转。

图丨开普勒22b

尽管其直径比地球大上不少，但是它的轨道公转周期约为290 天，和地球相差不大。根据开普勒22b 在太空中的位置推断，其表面很可能存有液态水，如果幸运地拥有类似地球的地表与大气层，那么其地表温度推估大约会是在摄氏22 度左右，比较适宜生命生存。

4、超级地球LHS 1140b

2017 年4 月，开普勒望远镜发现一颗具备宜居条件的“类地行星”，是不到一年内发现的第5 颗系外宜居行星。这颗“超级地球”代号为LHS 1140b，属于多岩石行星，气候不太热也不太冷，距地球也不太远，其恒星离地球40 光年。LHS 1140b 属于“超级地球”，直径比地球多40%，质量是地球的6.6 倍，引力是地球的3 倍。

5、史上最多宜居带类地行星的行星系统Trappist1

2017 年2 月22 日下午，NASA 宣布发现一个很特别的“太阳系”，这个行星系统中的恒星周围有7 颗地球尺寸大小的行星，很可能都是固态行星，表面可能有水；其中3 颗行星可能处在宜居带范围内，表明其上面的温度刚刚好，可能存在液态水。这一发现刷新了太阳系外恒星在宜居带范围内类地行星数量的记录。

该星系中恒星的质量大约是太阳的8%，半径大约是太阳的11%，表面温度为2277 摄氏度。这7 颗行星的轨道半径都比水星的轨道半径小，彼此靠得非常近。它们很可能已被潮汐锁定，永远只有一面朝向中央恒星，因此上面的气候条件和地球上的截然不同。

图丨Trappist1

除了事件本身，此次发现最值得关注的是，人工智能已经介入到了太空探索的领域。到目前为止，科学家只使用模型搜索了20 万颗恒星中的670 颗，开普勒望远镜数据中可能还有许多系外行星尚未发现。然而，在机器学习等新技术的帮助之下，将会有越来越多的天体会被发现，而人类对于宇宙和自身的了解也将会踏上一个新的台阶。

椛朶朶

发现了。。可是却去不了吧？

gxd131

我等是搬不过去了

qq2355113

看来nasa的经费又被砍了

木棒·哥布林

发现了也不能去，也不能交流信息，又能怎样？

mayuka

未来要太空移民了!?

阿呆和阿瓜

nasa又缺美刀了

dabeiren

最可悲的是火星探测，红色的星球表面，居然全是重金属。。。然而一开始都没有人发现这一点异常。。。
这个文章里，最核心的应该是神经网络技术吧，据说很多地方已经开始应用，游戏里也有，让NPC的自由行为，通过不断的自主学习变得更聪明，不需要去单独编辑NPC的路径或者行为

桐谷直叶

他们和另外一个太阳系的外星人取得联系才有用啊