人工智能寻找行星

据美国宇航局官员称,人工智能可以帮助寻找外星生命并探测附近的小行星。

NASA希望利用人工智能,或AI技术,如机器学习来解释,将通过像詹姆斯·韦伯太空望远镜或未来的望远镜收集的数据行运太阳系外行星勘测卫星(TESS)任务,根据从航天局的声明。

位于马里兰州格林贝尔特的美国宇航局戈达德太空飞行中心的天体生物学家贾达·阿尼在声明中说: “这些技术非常重要,特别是对于大数据集,尤其是在系外行星领域。” “因为我们将从未来的观察中获得的数据将是稀疏且嘈杂的。这真的很难理解。因此,使用这些工具具有巨大的潜力来帮助我们。”

NASA已与Intel,IBM和Google等公司合作开发先进的机器学习技术。每年夏天,NASA还将技术和太空创新者召集在一起,进行为期八周的计划,称为“边境发展实验室(FDL)”。

“ FDL感觉像是一些非常出色的音乐家,他们用不同的乐器汇聚在一起在车库里进行果酱演奏,发现一些很酷的东西,然后说,’嘿,我们在这里有一支乐队,’” NASA Goddard天体生物学家Shawn Domagal-Goldman ,在NASA声明中说。

在2018年,Domagal-Goldman和Arney指导了一个FDL团队,该团队开发了一种机器学习技术,该技术使用类似于大脑的“神经网络”来分析图像并根据大气中分子发射或吸收的光的波长识别系外行星的化学性质。声明说,这项技术处理信息的方式类似于神经元或大脑中的神经细胞如何与其他神经元连接以处理和传输信息。

使用这种神经网络技术,研究人员能够比传统方法更准确地识别出称为WASP-12b的系外行星大气中各种分子的丰度。

此外,神经网络技术能够识别何时没有足够的数据,“如果我们要相信这些预测,这真的很重要,” Domagal-Goldman在声明中说。

研究人员说,尽管该团队的神经网络技术仍在发展中,但有一天可以将其用于研究未来望远镜收集的数据,进而帮助缩小应进一步研究的系外行星候选者的范围。

其他FDL技术也已被很好地利用。例如,一个2017年的团队开发了一个机器学习程序,该程序可以在短短四天内创建小行星的3D模型(包括其大小,形状和旋转速度)。声明说,这种程序对于从地球探测和偏转可能威胁的小行星特别重要。

美国宇航局每15秒钟从其航天器中收集大约2 GB的数据。但是,“我们仅分析这些数据的一小部分,因为我们有限的人员,时间和资源,”美国宇航局太阳物理学家Madhulika Guhathakurta在声明中说。“这就是为什么我们需要更多地利用这些工具的原因。”

此外,研究人员建议将AI技术纳入未来的航天器中。这将使航天器能够做出实时的科学决策,从而节省了航天器与地球科学家通信所需的时间。

Arney在声明中说:“人工智能方法将通过在棘手的任务上进行大量的初期工作来帮助我们从大脑中释放处理能力。” “但是这些方法不会很快取代人类,因为我们仍然需要检查结果。”