天文学家利用人工智能寻找“吞噬”行星的神秘恒星

Josiah01

　　天文学家最近在我们的银河系中发现了数百颗“受污染”的白矮星。这些白矮星被发现正在积极吞噬其轨道上的行星。它们是研究这些遥远的、被摧毁的行星内部的宝贵资源。它们也很难找到。
　　历史上，天文学家必须手动检查大量的勘测数据，以寻找这些恒星的踪迹。然后，后续的观测将证实或驳斥他们的怀疑。
　　通过使用一种名为流形学习的新型人工智能，由德克萨斯大学奥斯汀分校研究生 Malia Kao 领导的团队加速了这一过程，使识别成功率达到 99%。该研究结果于7 月 31 日发表在《天体物理学杂志》上。
　　白矮星是恒星生命最后阶段的产物。它们耗尽了燃料，将外层物质释放到太空中，并正在慢慢冷却。总有一天，我们的太阳会变成白矮星——但这还得再过 60 亿年。
　　有时，围绕白矮星运行的行星会被其恒星的引力吸引，被撕裂并吞噬。当这种情况发生时，恒星会被来自行星内部的重金属“污染”。由于白矮星的大气几乎完全由氢和氦组成，因此其他元素的存在可以可靠地归因于外部来源。
　　“对于受污染的白矮星来说，行星内部实际上是被烙印在恒星表面上以供我们观察的，”Kao 说。“目前，受污染的白矮星是我们描述行星内部特征的最佳方式。”
　　“换句话说，”德克萨斯大学天文学家、论文合著者基思·霍金斯补充道，“这是真正弄清太阳系外行星由什么组成的唯一可靠方法，这意味着找到这些被污染的白矮星至关重要。”
　　不幸的是，这些恒星存在的证据（通过其大气中的污染金属来识别）可能很微妙且难以探测。而且，天文学家必须在相对较短的时间内找到它们。
　　虽然天文学家可以通过手动查看天文调查数据来识别这些恒星，但这可能非常耗时。为了测试更快的流程，该团队将人工智能应用于盖亚太空望远镜提供的数据。“盖亚提供了迄今为止最大的白矮星光谱调查之一，但数据的分辨率太低，我们认为不可能用它来找到受污染的白矮星，”霍金斯说。“这项工作表明你可以。”
　　为了找到这些难以捉摸的恒星，该团队使用了一种名为流形学习的人工智能技术。借助该技术，算法可以在一组数据中寻找相似的特征，并将相似的项目聚集在一起，形成一个简化的可视化图表。然后，研究人员可以查看图表并决定哪些聚集值得进一步调查。
　　天文学家创建了一种算法来对 100,000 多颗可能的白矮星进行分类。其中，一组由 375 颗恒星组成的恒星群看起来很有希望：它们显示出大气中含有重金属的关键特征。德克萨斯大学麦克唐纳天文台的霍比-埃伯利望远镜的后续观测证实了天文学家的怀疑。
　　“我们的方法可以将已知的受污染白矮星的数量增加十倍，让我们能够更好地研究太阳系外行星的多样性和地质状况，”高锟说。“最终，我们想确定太阳系外是否能存在生命。如果我们的太阳系在行星系统中是独一无二的，那么它在维持生命的能力上也可能是独一无二的。”
　　这种创新方法只是德克萨斯大学奥斯汀分校研究人员利用人工智能解决科学谜题的一个例子。为了推进和展示这些创新，德克萨斯大学奥斯汀分校宣布 2024 年为人工智能年。
　　这项研究利用了欧洲航天局 (ESA) 盖亚任务的数据。数据由盖亚数据处理和分析联盟处理。
　　后续观测由霍比-埃伯利望远镜 (HET) 和欧洲南方天文台 (ESO) 的甚大望远镜 (VLT) 进行，霍比-埃伯利望远镜 (HET) 是德克萨斯大学奥斯汀分校、宾夕法尼亚州立大学、慕尼黑大学和哥廷根大学的联合项目。
　　德克萨斯大学奥斯汀分校的德克萨斯高级计算中心为这项研究提供了高性能计算、可视化和存储资源。