0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

利用谷歌的神經(jīng)網(wǎng)絡(luò)模型找到了“迷你太陽(yáng)系”

mK5P_AItists ? 2018-01-02 08:53 ? 次閱讀

概要:當(dāng)?shù)貢r(shí)間12月15日,美國(guó)國(guó)家航空航天局NASA宣布在“行星獵手”開(kāi)普勒望遠(yuǎn)鏡的數(shù)據(jù)庫(kù)中找到了恒星“開(kāi)普勒-90”周圍的第八顆行星,追平太陽(yáng)系。

一個(gè)恒星周圍最多環(huán)繞幾顆恒星?一直以來(lái),太陽(yáng)系就是人類所知的行星數(shù)量最多的星系。當(dāng)?shù)貢r(shí)間12月15日,美國(guó)國(guó)家航空航天局NASA宣布在“行星獵手”開(kāi)普勒望遠(yuǎn)鏡的數(shù)據(jù)庫(kù)中找到了恒星“開(kāi)普勒-90”周圍的第八顆行星,追平太陽(yáng)系。該星系遠(yuǎn)在2545光年外的天龍座,八大行星相互距離壓縮得更近,儼然是迷你版的太陽(yáng)系。

這項(xiàng)發(fā)現(xiàn)用到了谷歌的神經(jīng)網(wǎng)絡(luò)模型。

“開(kāi)普勒-90”和太陽(yáng)系一樣擁有八大行星 本文圖片均來(lái)自 NASA

通過(guò)神經(jīng)網(wǎng)絡(luò)模型,人工智能可以進(jìn)行深度學(xué)習(xí),即利用大量匹配的輸入-輸出值訓(xùn)練計(jì)算機(jī),使之自行發(fā)掘數(shù)據(jù)中的特征。這種曾令A(yù)lphaGo在棋盤上大殺四方的人工智能模型,如今開(kāi)始在天文物理的海量數(shù)據(jù)中發(fā)揮用處。或許正應(yīng)了那句傳言:圍棋的變化組合,比宇宙中的原子數(shù)還要多。

發(fā)現(xiàn)新行星的方法是觀察“凌日”現(xiàn)象,即行星掠經(jīng)恒星表面時(shí),會(huì)造成恒星亮度的下降。

“凌日”現(xiàn)象

2009年,“行星獵手”開(kāi)普勒望遠(yuǎn)鏡承載著人類尋找“第二地球”的夢(mèng)想升空。它在2013年因“癱瘓”——一次嚴(yán)重的硬件故障結(jié)束了獵捕系外行星的任務(wù),朝同一個(gè)方向凝視了4年。最近,NASA計(jì)劃讓它每80天轉(zhuǎn)動(dòng)一下角度。

在“癱瘓”前的四年,開(kāi)普勒望遠(yuǎn)鏡積累了浩繁的數(shù)據(jù)。這份數(shù)據(jù)庫(kù)對(duì)科學(xué)家來(lái)說(shuō)幾乎是難以窮盡的富礦。目前,人類從中找出了超過(guò)4000顆疑似的系外行星。

漏網(wǎng)之魚(yú)肯定存在。

已知恒星系統(tǒng)的行星數(shù)

克利斯朵夫·肖樂(lè)(Christopher Shallue)是谷歌人工智能團(tuán)隊(duì)的一名資深軟件工程師,當(dāng)他了解到天文學(xué)正在和許多其他學(xué)科一樣被大數(shù)據(jù)淹沒(méi)時(shí),他想到了要用神經(jīng)網(wǎng)絡(luò)分析開(kāi)普勒數(shù)據(jù)庫(kù)。

首先,研究者訓(xùn)練計(jì)算機(jī)對(duì)人類已經(jīng)分析過(guò)的15000個(gè)開(kāi)普勒信號(hào)進(jìn)行訓(xùn)練,當(dāng)計(jì)算機(jī)能以96%的準(zhǔn)確率識(shí)別凌日信號(hào)后,研究者用這個(gè)模型搜尋670個(gè)多行星系統(tǒng)中微弱的信號(hào)。他們認(rèn)為,多行星的星系是尋找更多系統(tǒng)行星的最佳地點(diǎn)。

合作發(fā)現(xiàn)者NASA博士后安德魯·范登堡( Andrew Vanderburg)說(shuō)道:“我們得到了許多假陽(yáng)性信號(hào),但真陽(yáng)性更多。這就像沙中淘金。如果你用的網(wǎng)格更密,你會(huì)淘到更多的沙,但也可能淘到更多的金。”

肖樂(lè)和范登堡下一步打算用人工智能模型將整個(gè)開(kāi)普勒數(shù)據(jù)庫(kù)篩一遍。里面包含超過(guò)15萬(wàn)個(gè)信號(hào)。

開(kāi)普勒之前(藍(lán)色)和開(kāi)普勒(黃色)發(fā)現(xiàn)的系外行星

“正如我們所料,存檔的開(kāi)普勒數(shù)據(jù)中還藏著許多激動(dòng)人心的發(fā)現(xiàn),靜待合適的技術(shù)解鎖?!盢ASA天文物理部主任保羅·赫茲(Paul Hertz)說(shuō)道?!斑@項(xiàng)發(fā)現(xiàn)意味著,我們的數(shù)據(jù)在未來(lái)可以成為研究者們的寶庫(kù)?!?/p>

新發(fā)現(xiàn)的“開(kāi)普勒-90”第八行星——“開(kāi)普勒-90i”是一顆灼熱的巖石星球,公轉(zhuǎn)周期14.4天。它比地球大30%,非??拷阈?,表面溫度與水星相當(dāng)。

而“開(kāi)普勒-90”系統(tǒng)最外圍的行星,“開(kāi)普勒-90h”,軌道距離與地球相當(dāng)。

“開(kāi)普勒-90星系就像迷你版太陽(yáng)系:里圈有小點(diǎn)的行星,外圈有大點(diǎn)的行星,但距離壓縮得更近,”范登堡說(shuō)道。

迷你版太陽(yáng)系:行星間距更近

除此之外,“開(kāi)普勒-90”第六行星“開(kāi)普勒-90g”也是通過(guò)這個(gè)人工智能模型找到的。它和四個(gè)比鄰行星的相互重力形成了諧振鏈,異常穩(wěn)定,如同此前發(fā)現(xiàn)的“葫蘆娃”七行星系統(tǒng)TRAPPIST-1。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 谷歌
    +關(guān)注

    關(guān)注

    27

    文章

    6083

    瀏覽量

    104412
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4718

    瀏覽量

    100043
  • 人功智能
    +關(guān)注

    關(guān)注

    0

    文章

    1

    瀏覽量

    1078

原文標(biāo)題:谷歌人工智能檢索開(kāi)普勒望遠(yuǎn)鏡數(shù)據(jù)后,找到了“迷你太陽(yáng)系”

文章出處:【微信號(hào):AItists,微信公眾號(hào):人工智能學(xué)家】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    神經(jīng)網(wǎng)絡(luò)辨識(shí)模型具有什么特點(diǎn)

    神經(jīng)網(wǎng)絡(luò)辨識(shí)模型是一種基于人工神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)方法,它具有以下特點(diǎn): 非線性映射能力 :神經(jīng)網(wǎng)絡(luò)能夠處理非線性問(wèn)題,可以很好地?cái)M合復(fù)雜的非線性系統(tǒng)。 泛化能力 :
    的頭像 發(fā)表于 07-11 11:12 ?247次閱讀

    pytorch中有神經(jīng)網(wǎng)絡(luò)模型

    當(dāng)然,PyTorch是一個(gè)廣泛使用的深度學(xué)習(xí)框架,它提供了許多預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型。 PyTorch中的神經(jīng)網(wǎng)絡(luò)模型 1. 引言 深度學(xué)習(xí)是一種基于人工
    的頭像 發(fā)表于 07-11 09:59 ?533次閱讀

    PyTorch神經(jīng)網(wǎng)絡(luò)模型構(gòu)建過(guò)程

    PyTorch,作為一個(gè)廣泛使用的開(kāi)源深度學(xué)習(xí)庫(kù),提供了豐富的工具和模塊,幫助開(kāi)發(fā)者構(gòu)建、訓(xùn)練和部署神經(jīng)網(wǎng)絡(luò)模型。在神經(jīng)網(wǎng)絡(luò)模型中,輸出層是尤為關(guān)鍵的部分,它負(fù)責(zé)將
    的頭像 發(fā)表于 07-10 14:57 ?309次閱讀

    基于神經(jīng)網(wǎng)絡(luò)的語(yǔ)言模型有哪些

    基于神經(jīng)網(wǎng)絡(luò)的語(yǔ)言模型(Neural Language Models, NLMs)是現(xiàn)代自然語(yǔ)言處理(NLP)領(lǐng)域的一個(gè)重要組成部分,它們通過(guò)神經(jīng)網(wǎng)絡(luò)來(lái)捕捉語(yǔ)言的統(tǒng)計(jì)特性和語(yǔ)義信息,從而生成自然語(yǔ)言
    的頭像 發(fā)表于 07-10 11:15 ?259次閱讀

    rnn是什么神經(jīng)網(wǎng)絡(luò)模型

    RNN(Recurrent Neural Network,循環(huán)神經(jīng)網(wǎng)絡(luò))是一種具有循環(huán)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型,它能夠處理序列數(shù)據(jù),并對(duì)序列中的元素進(jìn)行建模。RNN在自然語(yǔ)言處理、語(yǔ)音識(shí)別、時(shí)間序列預(yù)測(cè)等
    的頭像 發(fā)表于 07-05 09:50 ?402次閱讀

    人工神經(jīng)網(wǎng)絡(luò)模型包含哪些層次

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)是一種模擬人腦神經(jīng)網(wǎng)絡(luò)的計(jì)算模型,具有自適應(yīng)、自學(xué)習(xí)、泛化能力強(qiáng)等特點(diǎn)。本文將詳細(xì)介紹人工神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-05 09:17 ?305次閱讀

    人工神經(jīng)網(wǎng)絡(luò)模型的分類有哪些

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks, ANNs)是一種模擬人腦神經(jīng)元網(wǎng)絡(luò)的計(jì)算模型,它在許多領(lǐng)域,如圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理、預(yù)測(cè)分析等有著廣泛的應(yīng)用。本文將
    的頭像 發(fā)表于 07-05 09:13 ?464次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    不同的神經(jīng)網(wǎng)絡(luò)模型,它們?cè)诮Y(jié)構(gòu)、原理、應(yīng)用等方面都存在一定的差異。本文將從多個(gè)方面對(duì)這兩種神經(jīng)網(wǎng)絡(luò)進(jìn)行詳細(xì)的比較和分析。 引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦
    的頭像 發(fā)表于 07-02 14:24 ?1134次閱讀

    數(shù)學(xué)建模神經(jīng)網(wǎng)絡(luò)模型的優(yōu)缺點(diǎn)有哪些

    數(shù)學(xué)建模神經(jīng)網(wǎng)絡(luò)模型是一種基于人工神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)建模方法,它通過(guò)模擬人腦神經(jīng)元的連接和信息傳遞機(jī)制,對(duì)復(fù)雜系統(tǒng)進(jìn)行建模和分析。神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-02 11:36 ?594次閱讀

    神經(jīng)網(wǎng)絡(luò)模型的原理、類型及應(yīng)用領(lǐng)域

    數(shù)學(xué)建模神經(jīng)網(wǎng)絡(luò)模型是一種基于人工神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)建模方法,它通過(guò)模擬人腦神經(jīng)元的工作機(jī)制,實(shí)現(xiàn)對(duì)復(fù)雜問(wèn)題的建模和求解。神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-02 11:31 ?671次閱讀

    神經(jīng)網(wǎng)絡(luò)在數(shù)學(xué)建模中的應(yīng)用

    數(shù)學(xué)建模是一種利用數(shù)學(xué)方法和工具來(lái)描述和分析現(xiàn)實(shí)世界問(wèn)題的過(guò)程。神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)和功能的計(jì)算模型,可以用于解決各種復(fù)雜問(wèn)題。在數(shù)學(xué)建模中,
    的頭像 發(fā)表于 07-02 11:29 ?561次閱讀

    基于神經(jīng)網(wǎng)絡(luò)算法的模型構(gòu)建方法

    神經(jīng)網(wǎng)絡(luò)是一種強(qiáng)大的機(jī)器學(xué)習(xí)算法,廣泛應(yīng)用于各種領(lǐng)域,如圖像識(shí)別、自然語(yǔ)言處理、語(yǔ)音識(shí)別等。本文詳細(xì)介紹了基于神經(jīng)網(wǎng)絡(luò)算法的模型構(gòu)建方法,包括數(shù)據(jù)預(yù)處理、網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)、訓(xùn)練過(guò)程優(yōu)化、
    的頭像 發(fā)表于 07-02 11:21 ?314次閱讀

    人工神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用有哪些

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,ANNs)是一種受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)的計(jì)算模型,它通過(guò)模擬人腦神經(jīng)元的連接和交互來(lái)實(shí)現(xiàn)對(duì)數(shù)據(jù)的學(xué)習(xí)和處理。自20世紀(jì)4
    的頭像 發(fā)表于 07-02 10:04 ?422次閱讀

    闡述人工神經(jīng)網(wǎng)絡(luò)模型的基本原理

    強(qiáng)大的學(xué)習(xí)能力和適應(yīng)性,被廣泛應(yīng)用于各種領(lǐng)域,如圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理、推薦系統(tǒng)等。本文將詳細(xì)介紹人工神經(jīng)網(wǎng)絡(luò)的基本原理,包括神經(jīng)元模型、網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)規(guī)則和訓(xùn)練算法等。 神經(jīng)元模型
    的頭像 發(fā)表于 07-02 10:03 ?366次閱讀

    深度神經(jīng)網(wǎng)絡(luò)模型有哪些

    模型: 多層感知器(Multilayer Perceptron,MLP): 多層感知器是最基本的深度神經(jīng)網(wǎng)絡(luò)模型,由多個(gè)全連接層組成。每個(gè)隱藏層的神經(jīng)元數(shù)量可以不同,通常使用激活函數(shù)如
    的頭像 發(fā)表于 07-02 10:00 ?596次閱讀