详细内容或原文请订阅后点击阅览
机器学习帮助天文学家在现有数据中找到 10,000 个新行星候选者
行星隐藏在众目睽睽之下。
来源:ZME科学大量可能存在的行星隐藏在美国宇航局的数据中，等待科学家们更仔细地观察微弱、闪烁的恒星。
在一项新研究中，研究人员重新分析了 NASA 凌日系外行星勘测卫星 (TESS) 第一年的观测结果。他们找到了 11,554 个候选行星。其中，10,091 个以前没有被标记过，1,052 个是已知的 TESS 候选者，411 个在他们的星星前面交叉时只出现过一次。
新鲜曲目
苔丝通过观察恒星的暗淡来寻找行星。
当一颗行星经过其恒星前方时，它会阻挡一小部分光线。天文学家称之为凌日。 TESS 使用中转法密切关注这些下降。
但是星星很混乱，而且它们可能会因为多种原因而闪烁。另一颗恒星可能会使它的伴星黯然失色，或者附近的物体可能会污染信号。航天器本身可以在数据中留下模式。将星光的暗淡转变为行星候选者并不是一件容易的事。将候选行星变成已确认的行星更加困难。大多数 TESS 搜索都青睐明亮的恒星，因为那里的后续观测更容易。
“我们不再像以前那样只关注明亮的恒星，而是扩大了对行星的搜索范围，将较暗的恒星包括在内，”普林斯顿大学研究生研究员、该研究的主要作者约书亚·罗斯 (Joshua Roth) 告诉 IFLScience。
这一决定揭示了大量被忽视的数据。该团队检查了 TESS 第一年的超过 8300 万条星光记录，其中包括许多以前因太暗而无法仔细搜索的恒星。但他们不是用手做的。
行星观测
研究人员构建了一个半自动化管道，使用机器学习对数据进行排序。他们的主要工具是随机森林分类器，该系统让许多决策树对信号是否看起来像行星、食双星系统或噪声进行投票。
×
谢谢！还有一件事...
请检查您的收件箱并确认您的订阅。