人工智能算法在区分假阳性和真东西方面比人类专家更有效率。

新的算法可以在开普勒太空望远镜数据中比人类科学家更有效地发现系外行星。

一种新的人工智能算法在一个现已停用的系外行星猎取望远镜收集的数据中发现了300多颗以前未知的系外行星。

开普勒太空望远镜是美国宇航局第一个专门的系外行星猎手，在寻找太阳系以外的潜在宜居世界的过程中，已经观测了数十万颗星。即使在望远镜消亡后，它所编制的潜在行星的日历仍在产生新的发现。人类专家对数据进行分析，寻找系外行星的迹象。但是一种名为ExoMiner的新算法现在可以模仿这一程序，并更快、更有效地搜索该目录。



该望远镜于2018年11月停止工作，寻找恒星亮度的暂时下降，这可能是由于从开普勒的角度看，一颗行星在恒星盘的前面穿过而造成的。但根据美国宇航局的一份声明，并非所有这样的减弱都是由系外行星引起的，科学家们不得不遵循精心设计的程序来区分假阳性和真东西。

这10颗超级极端的系外行星超出了这个世界的范围

ExoMiner，是一种所谓的神经网络，这是一种人工智能算法，当输入足够多的数据时，可以学习并提高其能力。而开普勒产生了大量的数据。在其服务的不到10年时间里，该望远镜发现了数千颗候选行星，其中近3000颗已经被证实。这是目前已知的4569颗系外行星中的绝大部分。

对于每一颗候选的系外行星，研究开普勒数据的科学家会查看光曲线，并计算该行星似乎覆盖了该恒星的多大一部分。他们还将分析这颗可能的行星似乎需要多长时间才能穿过恒星的圆盘。在某些情况下，观察到的亮度变化不可能由一颗绕行的系外行星来解释。ExoMiner算法遵循完全相同的过程，但效率更高，这使得研究人员能够一次性将一批301颗之前未知的系外行星加入开普勒行星目录中。

"ExoMiner项目负责人、美国宇航局艾姆斯研究中心大学空间研究协会机器学习经理Hamed Valizadegan在声明中说："当ExoMiner说某个东西是行星时，你可以肯定它是一个行星。"ExoMiner是高度准确的，在某些方面比现有的机器分类器和它要模仿的人类专家都更可靠，因为人类的标签有偏见。"

- 发现外星行星的7种方法

- 最后的光芒：这是美国宇航局猎取行星的开普勒太空望远镜的最后景色

现在ExoMiner证明了它的技能，科学家们希望用它来帮助筛选来自其他现有的和即将到来的系外行星搜寻任务的数据，比如美国宇航局目前的凌日系外行星调查卫星（TESS）或欧洲航天局将于2026年发射的行星凌日和恒星振荡（PLATO）任务。

不幸的是，这些新确认的系外行星都不可能是承载生命的候选者，因为它们都在其母星的宜居区之外。