首页 人工智能 > 内容

人工智能和机器学习如何帮助研究人员进行太空研究

时间:2020-07-16 14:43:32 来源:

电影《 2001年:太空漫游》开创了在太空科学领域使用人工智能或人工智能的幻想。虽然这是一个科幻概念,但它不再是虚构的。世界各地的科学家都在使用AI算法来预测太阳系中其他行星的寿命,检测水的存在,找出黑洞的可能性或确定天体的轨道曲线。根据NASA官员的说法,人工智能还可以帮助寻找外星行星上的生命以及探测太空中附近的小行星。现在,通过使用AI的机器学习模型,可以在更短的时间内完成早期天文学家花了数年的时间。现在研究人员来自普林斯顿大学的科学家声称已经找到一种预测行星是否会在其行进中与另一行星发生碰撞的方法。

在一项新的研究中,该研究将在《美国国家科学院院刊》上发表,科学家已经描述了他们的AI模型,简称为行星轨道构形稳定器(Klassifier或SPOCK)。该模型可以预测系外行星的路径,并确定哪些将保持稳定,哪些会坠落到其他世界或恒星中,这比人类以往所能精确得多,规模更大。AI模型的名称是基于《星际迷航》系列中星际飞船Enterprise所钟爱的半沃尔坎和半人类副驾驶Spock先生的。该研究的主要作者丹尼尔·塔玛约(Daniel Tamayo)是普林斯顿大学天体物理科学领域的美国国家航空航天局哈勃研究计划研究员Sagan研究员,他在一份声明中解释说:“我们之所以称其为SPOCK模型,部分原因是该模型决定了系统是否会“长寿和繁荣”。 ”

包括牛顿在内的早期天文学家都在努力解决轨道稳定性问题。尽管这引发了数学革命,包括微积分和混沌理论,但没人能从理论上预测稳定构型。Tamayo和他的同事意识到,他们可以通过将行星动力相互作用的简化模型与机器学习方法相结合来加快这一过程。这样就可以消除大范围的不稳定轨道配置,并消除频率不稳定现象,使之迅速陷入交叉轨道。使用SPOCK,可以确定行星结构的长期稳定性大约快100,000倍。

Tamayo表示:“虽然SPOCK不能帮助我们理解行星的稳定性,但它可以可靠地识别紧凑型系统中的快速不稳定性,从而可以帮助他们实现这一目标。当尝试进行稳定性受限的表征时,这是最重要的。借助新的AI模型,我们可以了解绕行行星的动力学,包括我们太阳系中的行星。”他补充说:“我们不能断然地说'这个系统可以,但是很快就会崩溃。'“相反,目标是,对于给定的系统,排除所有可能已经碰撞并且目前尚不存在的不稳定可能性。”这项研究的合著者包括研究生Miles Cranmer和David Spergel,普林斯顿大学的查尔斯·A·扬格教授,1897年荣誉基金会天文学青年班。

普林斯顿大学天体科学系主任迈克尔·斯特劳斯教授解释说,通过SPOCK,“我们希望能够详细了解大自然所允许的全部太阳系结构。”NASA系外行星档案馆的天体物理学家杰西·克里斯蒂安森说,SPOCK有助于理解开普勒望远镜最近发现的一些微弱,遥远的行星系统。她说:“很难用我们现有的仪器来限制它们的性能。”“他们是岩石行星,冰巨人还是天然气巨人?还是新东西?这种新工具将使我们能够排除可能动态不稳定的潜在行星组成和构造,并且它使我们能够比以前更精确,更大规模地进行工作。”

继去年关于AI如何在各种项目中帮助太空科学家的令人振奋的消息传出之后,行星科学AI的这一有趣发展。2019年3月,得克萨斯大学奥斯汀分校的天文学家与Google合作,利用AI在开普勒太空望远镜档案库中发现了另外两个隐藏行星(开普勒的扩展任务称为K2)。在那里,他们使用了一种AI算法,该算法可以筛查开普勒(Kepler)采集的数据,从而找出传统行星搜索方法遗漏的信号。这帮助发现了在水瓶座星座中的行星K2-293b绕着1,300光年远的恒星旋转,并且也在位于水瓶座中的行星K2-294b绕着了1,230光年远的恒星旋转。11月,人工智能“发现”地球围绕太阳旋转。这是有可能的,因为苏黎世瑞士联邦理工学院(ETH)的物理学家Renato Renner及其合作者设计了基于机器学习的神经网络模型,以帮助物理学家解决量子力学中的明显矛盾。