科学探索|人工智能揭示了隐藏在搜索系外行星的复杂数学中的未被发现的联系

根据真实的天文观测数据进行训练的人工智能(AI)系统现在已经超越了天文学家,通过过滤大量的数据来发现新的爆炸星,识别新类型的星系,并检测大质量恒星的合并,提高了世界上最古老科学的新发现率 。但是加州大学伯克利分校的天文学家们发现,一种人工智能算法可以揭示更深层次的东西:隐藏在广义相对论所产生的复杂数学中的未被发现的联系--特别是该理论如何被应用于寻找其他恒星周围的新行星 。

科学探索|人工智能揭示了隐藏在搜索系外行星的复杂数学中的未被发现的联系
文章图片

在5月23日发表在《自然-天文学》杂志上的一篇论文中,研究人员描述了一种人工智能算法是如何在此类行星系统经过背景恒星前方并短暂地使其变亮时,为更快地探测到系外行星而开发的--这一过程被称为引力微透镜--发现现在用于解释这些观测的几十年前的理论是非常不完整的 。
1936年,阿尔伯特·爱因斯坦用他的广义相对论的新理论展示了来自遥远恒星的光线如何被前景恒星的引力所弯曲,不仅使它在地球上看到的时候变亮,而且常常把它分成几个光点,或者把它扭曲成一个环,现在称为爱因斯坦环 。这类似于一个手摇镜头可以聚焦和强化来自太阳的光线的方式 。
但是当前景物体是一颗带有行星的恒星时,随着时间的推移而变亮的情况--光曲线--就比较复杂了 。更重要的是,往往有多个行星轨道可以同样解释一个给定的光曲线--所谓的退化 。这就是人类简化了数学,而忽略了大局 。

科学探索|人工智能揭示了隐藏在搜索系外行星的复杂数学中的未被发现的联系
文章图片

然而,人工智能算法指出了一种数学方法,在解释望远镜在微透镜期间检测到的东西时,可以统一这两种主要的退化现象,表明这两种“理论”实际上是一个更广泛的理论的特例,研究人员承认,这个理论可能仍然不完整 。
“我们之前开发的机器学习推理算法让我们发现了一些关于支配两个大质量物体的光弯曲的一般相对论效应的新的和基本的东西,”Joshua Bloom在去年将论文上传到预印本服务器arXiv时在一篇博文中写道 。Bloom是加州大学伯克利分校的天文学教授和系主任 。
他将加州大学伯克利分校研究生张克明的发现与Google的人工智能团队DeepMind最近在两个不同的数学领域之间建立的联系相比较 。综合来看,这些例子表明,人工智能系统可以揭示出人类错过的基本关联 。
“我认为,它们构成了人工智能被用来直接产生数学和天文学的新理论见解的第一次,如果不是第一次的话,”Bloom说 。“正如史蒂夫-乔布斯建议计算机可以成为头脑的自行车一样,我们一直在寻求一个人工智能框架来作为科学家的智力火箭船 。”
“这是人工智能和机器学习的一个里程碑,”共同作者 Scott Gaudi强调说,他是俄亥俄州立大学的天文学教授,是利用引力微透镜发现系外行星的先驱之一 。“Keming的机器学习算法发现了这一退化现象,而这一现象被该领域的专家们在数十年的数据工作中所忽略 。这暗示了未来的研究在机器学习的帮助下会如何发展,这真的很令人兴奋 。”
用微透镜发现系外行星
超过5000颗系外行星已经在银河系的恒星周围被发现,尽管很少有人真正通过望远镜看到它们--它们太暗了 。大多数被探测到是因为它们在其宿主恒星的运动中产生了多普勒摆动,或者是因为当它们在宿主恒星前面穿过时,宿主恒星的光线略微变暗--这就是NASA开普勒任务的重点 。通过第三种技术,即微透镜,已经发现了100多个 。