德克萨斯大学奥斯汀分校的天文学家与谷歌合作，利用人工智能（AI）在开普勒太空望远镜档案中发现了另外两颗隐藏的行星。该技术有望识别传统方法无法捕捉的许多其他行星。
这次发现的行星来自开普勒的扩展任务，称为K2。
为了找到它们，由UT Austin的本科生Anne Dattilo领导的团队创建了一种算法，该算法可以筛选开普勒采集的数据，以找出传统行星狩猎方法遗漏的信号。从长远来看，这个过程应该有助于天文学家发现更多错过的行星隐藏在开普勒数据中。这些发现已被接受在即将出版的" 天文学杂志"上发表。
其他团队成员包括UT Austin Andrew Vanderburg的NASA Sagan研究员和Google工程师Christopher Shallue。2017年，Vanderburg和Shallue首次使用AI发现了一颗围绕着开普勒星的行星 - 一颗已知有七颗行星的恒星。这一发现使太阳系成为唯一一个拥有与我们一样多的行星的太阳系。
Dattilo解释说，该项目需要一种新算法，因为在开普勒扩展任务K2期间采集的数据与航天器最初任务期间收集的数据有很大不同。
"K2数据更具挑战性，因为宇宙飞船一直在四处移动，"范德堡解释说。这种变化发生在机械故障之后。虽然任务规划人员找到了解决方法，但宇宙飞船仍然留下了人工智能必须考虑的摆动。
开普勒和K2任务已经在其他恒星周围发现了数千颗行星，等待确认的候选人数量相等。那么为什么天文学家需要使用AI来搜索Kepler档案呢？
"人工智能将帮助我们统一搜索数据集，"范德堡说。"即使每颗恒星周围都有一个地球大小的行星，当我们看到开普勒时，我们也找不到所有这些星球。这只是因为有些数据太嘈杂，或者有时行星没有正确排列。所以我们必须纠正我们错过的那些。我们知道有很多行星在那里我们没有看到这些原因。
"如果我们想知道总共有多少行星，我们必须知道我们找到了多少行星，但我们也必须知道我们错过了多少行星。这就是它的位置，"他解释道。
这两个行星Dattilo的团队发现"在K2中都是非常典型的行星，"她说。"他们真的很接近他们的主星，他们的轨道周期短，而且它们很热。它们比地球略大。"
在这两颗行星中，有一颗被称为K2-293b，并在水瓶座中距离一颗1300光年远的恒星运行。另一个是K2-294b，距离水星座有1230光年远的恒星运行。
一旦团队使用他们的算法找到这些行星，他们就会使用地面望远镜研究主星，以确认行星是真实的。这些观测是在亚利桑那州史密森学会的惠普尔天文台和夏威夷双子座天文台的吉列望远镜的1.5米望远镜上完成的。
用于查找隐藏在数据集中的行星的AI概念的未来看起来很光明。目前的算法可用于探测整个K2数据集，Dattilo表示 - 大约300,000颗恒星。她还认为这种方法适用于开普勒在2018年4月发射的后继行星狩猎任务TESS。开普勒的任务于当年晚些时候结束。
Dattilo计划在秋季进入研究生院时继续使用AI进行行星狩猎。
閱讀更多 人工智能洞察 的文章
