机器技术将帮助追踪到外星技术,原因如下。——2015年追踪外星巨型结构课题不是完全无效的
一位艺术家关于“外星巨型结构”可能样貌的插画(图片来源:凯文 吉尔/维基媒体 普通版/CC BY 2.0)
机器学习可以追溯到2015年,那年地球上一个巨大的天文台证明了4D时空结构的存在。科学家们开始设想一个相当牵强的想法:如果有智慧的外星人存在,他们是否会尝试建造自己的科学巨型结构?如果有,我们能找到吗?事实上,我们已经确定是的。这一切都始于一篇引人入胜的论文,名为“行星猎人IX”。KIC 8462852-通量在哪里?在这篇论文中,一组研究人员介绍了他们对NASA开普勒望远镜收集的数据的分析。
它涉及到一颗恒星,距离你所在的位置约1470光年,名为KIC 8462852,或博亚吉安星。根据研究小组的结果,博亚吉安星的光线有非常奇特的下降。当我们在宇宙中有利位置研究恒星时,每当有东西经过它们和恒星之间都可以在望远镜中看到星光减弱。想象一下,你正盯着一个明亮的灯泡,然后有人从灯泡前面经过,它的光线似乎中断了。
通常,正如你所料,系外行星在围绕其恒星宿主运行时会导致这种变暗,但对于博亚吉安的恒星来说不是。“这不是一个球体,”SETI研究所的博士后研究员丹尼尔·贾尔斯在1月份的美国天文学会第243次会议上说。“它由一堆面板组成。它看起来像巨型结构的样子。正因为如此,在2015年的结果之后,人群变得疯狂。新闻文章,后续观察,观点文章,甚至只是一般的喋喋不休开始在天文学领域荡漾。好,暂停。我帮你省了点麻烦,让你知道最终的共识是:这些奇怪的下降不是由巨大的未来主义外星技术引起的。“可能是灰尘,”贾尔斯说。但事情是这样的。
机器学习可以帮助跟踪“这样的信号”,“实际上在开普勒数据中被遗漏了,”贾尔斯解释说。事实上,这篇论文背后的研究人员发现光降异常的一个重要原因是,公民科学家在寻找其他东西时偶然发现了它。或者正如贾尔斯所说:“人们没有注意到。所以,这正是他和其他研究人员的目标。也许,他们相信,关于外星人的真相就在数据中,我们只需要寻找它。贾尔斯和他的团队打算在NASA的凌日系外行星调查卫星(TESS)收集的数据中寻找令人困惑的、神秘的、有趣的和明显的不寻常的信号。他们想要寻找没有定义形状,定义深度甚至定义时间框架的星光下降,即宇宙异常值。
NASA的TESS任务旨在识别系外行星,但这并不是不使用其数据来更好地了解恒星的理由。(图片来源:MIT)
机器学习可以帮助跟踪像这样奇怪的下降,可以通过光度曲线来发现,它代表随着时间的推移出现的不同亮度。“我们正在计算光子,”Giles简单地解释说。然而,真正的挑战恰恰是团队希望如何开始这个非常任务:机器学习。过程大致如下:研究中使用的TESS数据基于卫星对不同天空扇区进行观察。这些扇区一次观察了大约30天;在扫描期间,TESS每30分钟拍摄一次观察区域的快照。这最终导致该团队获得了大约6000万条准备进行分析的光曲线,这些曲线是为亮度超过14等的恒星生成的。
在星等系统中,较小的数字比较大的数字更亮-例如,0星等的物体比5星等的物体亮100倍。满月以12.6左右的星等o进入负相,太阳照射在-27左右。诸如此类。下一步是开始根据形状和周期等因素大规模组织灯光曲线。“我们正在处理6000万个不同的光曲线,所以我们需要它们便宜且易于计算”。贾尔斯说。“我们计算这些便宜的指标,然后在上面运行异常检测,这是一个基于密度的异常检测-我们会发现哪些功能突出。
然后,在将数据剔除到可管理的大小之后,团队准备应用更精细的技术,通常需要更多的计算能力,包括细节和难做的分析。“我们确保这种行为确实存在,并且是天体物理学的,而不是由于仪器问题。贾尔斯说。如果某物表现出可识别的模式,那么,是时候回到剔除阶段了。“最后,我们通过手动,”贾尔斯说,“因为没有什么比人眼更擅长发现奇怪的东西了。
为了发现一名外星人,你需要一名人类。
老实说,我很高兴听到一些本质上人类可以找到奇怪的东西,就像没有机器真的可以。我认为这是我们努力寻找智能外星人的理由。我想,我们天生就好奇,并且不知何故被模式中的失误所吸引。“我们可以在一定程度上使用ML方法,”Giles告诉Space.com,“但最终,我们需要能够理解为什么会发生这种情况。也许一个充满即使是最精确的数据集的池就是这样-一个充满高精度数据集的池-直到人类开始解析以建立连接机器还没有被编程来识别。“对于像异常检测这样的东西,还有一个额外的技巧,”贾尔斯说。“没有真值,所以我们不能训练一些东西来找到最奇怪的东西,或者最有趣的东西,因为我们不一定知道那是什么。
KIC 8462852和另一颗明亮的恒星进行比较,显示它在左侧(东)有一个明显的突出。(图片来源:Boxaiian et al)
没有外星人巨型结构:恒星的奇怪变暗可能是由尘埃引起的“外星人巨型结构”恒星再次与奇怪的调光我们能和外星人交流吗?即使涉及到旨在模仿人类结构的标准机器人,科学家们的一个限制步骤是关于解码决定我们移动方式的物理定律。这是因为,作为人类,我们真的不需要知道人类的某些方面是如何工作的。他们只是工作。例如,几年前,一个团队在弄清楚我们的指纹如何影响我们的握力方面取得了突破。你知道当你洗滑溜溜的盘子时,你本能地知道如何用力握住盘子,以免它们从你的手中掉下来?
在整个过程中你都在无意识地考虑你的指纹。但科学家们不得不制定一个新的物理定律,将这种本能转化为书面事实。对于机器学习和人工智能,似乎也有类似的担忧,尽管这两者在技术上都是可以训练的,可以提出自己的一些解决方案。让机器编程去寻找我们以前没有发现的东西是很困难的,因为我们会告诉它去寻找什么?这有点像科学家们如何拥护詹姆斯·韦伯太空望远镜,因为它可能会回答一些我们从未想过要问的宇宙问题。“AI和ML可以为我们做的是有限的,但只要我们了解ML具体在做什么,也有很多机会。贾尔斯说。这是精神粮食。
贝克赛安星在红外线和紫外线。(图片来源:IPAC/NASA,STScL(NASA))/维基共享资源)
然而,贾尔斯说,该团队也在试图寻找确实可编码的特定异常。“我们已经将近200万种不同的人工信号注入光曲线中,这些光曲线没有我们所知道的任何倾斜特征,但仍然存在伪影,因此它们仍然有行为。他说。至于到目前为止的异常结果?“到目前为止,这些都没有像巨型结构一样对我们说话,“但他们肯定很有趣。”
By: Monisha Ravisetti
FY: 何丹怀(懷)
如有相关内容侵权,请在作品发布后联系作者删除
转载还请取得授权,并注意保持完整性和注明出处