AI разкрива неподозирана математика, лежаща в основата на търсенето на екзопланети


екзопланета

Концепцията на този художник изобразява планетарна система. Кредит: NASA/JPL-Caltech

Алгоритмите за изкуствен интелект (AI), обучени на реални астрономически наблюдения, сега превъзхождат астрономите при пресяване на огромни количества данни, за да намерят нови експлодиращи звезди, да идентифицират нови типове галактики и да открият сливания на масивни звезди, ускорявайки скоростта на новите открития в най-старите в света наука.

Но AI, наричан още машинно обучение, може да разкрие нещо по-дълбоко, откриха астрономите от Калифорнийския университет в Бъркли: Неподозирани връзки, скрити в сложната математика, произтичаща от общата теория на относителността – по-специално как тази теория се прилага към намирането нови планети около други звезди.

В статия, публикувана тази седмица в списанието Природна астрономияизследователите описват как е разработен AI алгоритъм за по-бързо откриване на екзопланети, когато такива планетни системи преминават пред фонова звезда и за кратко я озаряват – процес, наречен гравитационно микролещиране— разкри, че десетилетните теории, използвани сега за обяснение на тези наблюдения, са ужасно непълни.

През 1936 г. самият Алберт Айнщайн използва своята нова теория на относителността, за да покаже как светлината от далечна звезда може да бъде огънат от гравитацията на звезда на преден план, като не само я озарява, както се вижда от Земята, но често я разделя на няколко светлинни точки или я изкривява в пръстен, който сега се нарича пръстен на Айнщайн. Това е подобно на начина, по който ръчната леща може да фокусира и усилва светлината от слънцето.

Но когато обектът на преден план е звезда с планета, изсветляването с времето – кривата на светлината – е по-сложно. Нещо повече, често има множество планетарни орбити, които могат да обяснят еднакво добре дадена крива на светлината – така наречените дегенерации. Точно там хората опростиха математиката и пропуснаха по-голямата картина.

Алгоритъмът на AI обаче посочи математически начин за обединяване на двата основни вида дегенерация при тълкуването на това, което телескопите откриват по време на микролещиране, показвайки, че двете „теории“ са наистина специални случаи на по-широка теория, която изследователите признават, че вероятно все още е непълна. .

„Алгоритъм за извод за машинно обучение, който разработихме по-рано, ни накара да открием нещо ново и фундаментално за уравненията, които управляват общия релативистичен ефект на огъването на светлината от две масивни тела“, написа Джошуа Блум в публикация в блог миналата година, когато качи статията. към сървър за предпечат, arXiv. Блум е професор по астрономия в Калифорнийския университет в Бъркли и председател на катедрата.

Той сравнява откритието на студента от UC Berkeley Keming Zhang с връзките, които екипът на Google за изкуствен интелект, DeepMind, наскоро направени между две различни области на математиката. Взети заедно, тези примери показват, че AI системите могат да разкрият фундаментални асоциации, които хората пропускат.

„Аз твърдя, че те представляват един от първите, ако не и първият път[s] че AI е бил използван за директно получаване на ново теоретично прозрение в математиката и астрономията”, каза Блум. “Точно както Стив Джобс предположи, че компютрите могат да бъдат велосипедите на ума, ние търсихме рамка на AI, която да служи като интелектуален ракетен кораб за учени.”

„Това е един вид крайъгълен камък в AI и машинното обучение“, подчерта съавторът Скот Гауди, професор по астрономия в Държавния университет в Охайо и един от пионерите в използването на гравитационно микролещи за откриване на екзопланети. „Алгоритъмът за машинно обучение на Кеминг разкри тази дегенерация, която е била пропусната от експерти в областта, работещи с данни в продължение на десетилетия. Това подсказва как ще вървят изследванията в бъдеще, когато са подпомогнати от машинно обучение, което е наистина вълнуващо.“

AI разкрива неподозирана математика, лежаща в основата на търсенето на екзопланети

Проявлението на офсетното израждане в картите на разликата на увеличението източник-равнина (отгоре) и кривите на светлината (отдолу). кредит: Природна астрономия (2022 г.). DOI: 10.1038 / s41550-022-01671-6

Откриване на екзопланети с микролинзиране

Повече от 5000 екзопланети или екстраслънчеви планети са открити около звезди в Млечния път, макар че малцина всъщност са били наблюдавани през телескоп – те са твърде тъмни. Повечето от тях са открити, защото създават доплеров колебание в движенията на своите звезди-домакини или защото леко затъмняват светлината от звездата-домакин, когато пресичат пред нея – транзити, които са били фокусът на мисията на НАСА Кеплер. Само няколко повече от 100 са открити чрез трета техника, микролещиране.

Една от основните цели на римския космически телескоп Нанси Грейс на НАСА, който трябва да бъде изстрелян до 2027 г., е да открие още хиляди екзопланети чрез микролинзиране. Техниката има предимство пред Доплер и транзитните техники, тъй като може да открие планети с по-ниска маса, включително тези с размерите на Земята, които са далеч от звездите си, на разстояние, еквивалентно на това на Юпитер или Сатурн в нашата слънчева система.

Блум, Джанг и техните колеги се заеха преди две години да разработят алгоритъм на AI за по-бърз анализ на данните от микролещи, за да определят звездните и планетарните маси на тези планетни системи и разстоянията, около които планетите обикалят от техните звезди. Такъв алгоритъм би ускорил анализа на вероятните стотици хиляди събития, които римският телескоп ще открие, за да намери 1% или по-малко, които са причинени от екзопланетни системи.

Един проблем, с който се сблъскват астрономите обаче, е, че наблюдаваният сигнал може да бъде двусмислен. Когато една самотна звезда на преден план минава пред фонова звезда, яркостта на фоновите звезди се повишава плавно до връх и след това пада симетрично до първоначалната си яркост. Лесно е да се разбере математически и наблюдателно.

Но ако звездата на преден план има планета, планетата създава отделен пик на яркостта в рамките на пика, причинен от звездата. Когато се опитваме да реконструираме орбиталната конфигурация на екзопланетата, която е произвела сигнала, общата теория на относителността често позволява две или повече така наречени изродени решения, всички от които могат да обяснят наблюденията.

Към днешна дата астрономите като цяло са се справяли с тези дегенерации по опростени и изкуствено различни начини, каза Гауди. Ако далечната звездна светлина минава близо до звездата, наблюденията могат да се интерпретират или като широка, или близка орбита за планетата – неяснота, която астрономите често могат да разрешат с други данни. Втори тип дегенерация възниква, когато фоновата звездна светлина преминава близо до планетата. В този случай обаче двете различни решения за планетарната орбита обикновено се различават малко.

Според Гауди тези две опростявания на гравитационното микролинзиране с две тела обикновено са достатъчни, за да се определят истинските маси и орбиталните разстояния. Всъщност в а публикация, публикувана миналата година, Джанг, Блум, Гауди и двама други съавтори от Калифорнийския университет в Бъркли, професорът по астрономия Джесика Лу и аспирантът Кейси Лам, описаха нов алгоритъм за изкуствен интелект, който изобщо не разчита на познаване на тези интерпретации. Алгоритъмът значително ускорява анализа на наблюденията с микролещи, осигурявайки резултати за милисекунди, а не за дни, и драстично намалявайки компютърното хрускане.

След това Джанг тества новия AI алгоритъм върху криви на светлината с микролещи от стотици възможни орбитални конфигурации на звезда и екзопланета и забеляза нещо необичайно: имаше и други неясноти, които двете интерпретации не отчитаха. Той заключи, че често използваните интерпретации на микролещиране са всъщност само специални случаи на по-широка теория, която обяснява цялото разнообразие от неясноти в събитията с микролещи.

„Двете предишни теории за израждане се занимават със случаи, когато фоновата звезда изглежда минава близо до звездата на преден план или планетата на преден план“, каза Джанг. „Алгоритъмът за изкуствен интелект ни показа стотици примери не само от тези два случая, но и от ситуации, при които звездата не минава близо нито до звездата, нито до планетата и не може да бъде обяснена с нито една от предишните теории. Това беше ключът към предлагането на новата обединяваща теория.”

Отначало Гауди беше скептичен, но се появи, след като Джанг даде много примери, при които предишните две теории не отговаряха на наблюденията, а новата теория го направи. Джанг всъщност разгледа данните от две дузини предишни статии, които съобщават за откриването на екзопланети чрез микролинзиране и установи, че във всички случаи новата теория отговаря на данните по-добре от предишните теории.

„Хората виждаха тези събития с микролещиране, които всъщност проявяваха тази нова дегенерация, но просто не го осъзнаваха“, каза Гауди. „Наистина беше просто машинно обучение гледайки хиляди събития, които стана невъзможно да се пропуснат.”

Джан и Гауди представиха а нова хартия който строго описва новата математика, базирана на обща теория на относителността и изследва теорията в ситуации на микролещи, при които повече от една екзопланета обикаля около звезда.

Новата теория технически прави интерпретацията на наблюденията с микролещи по-двусмислена, тъй като има по-изродени решения за описване на наблюденията. Но теорията също така ясно демонстрира, че наблюдаването на същото микролещиране събитие от две гледни точки – от Земята и от орбитата на римския космически телескоп, например – ще улесни определянето на правилните орбити и маси. Това е, което астрономите планират да направят в момента, каза Гауди.

„ИИ предложи начин да се погледне уравнението на обектива в нова светлина и да се разкрие нещо наистина дълбоко в математиката му“, каза Блум. “ИИ се появява като не просто този вид тъп инструмент, който е в нашата кутия с инструменти, а като нещо, което всъщност е доста умно. Заедно с експерт като Кеминг, двамата успяха да направят нещо доста фундаментално.”


Нова екзопланета с маса под Юпитер, открита от астрономи


Повече информация:
Keming Zhang et al, Вездесъща обединяваща дегенерация в системи с микролещи с две тела, Природна астрономия (2022 г.). DOI: 10.1038 / s41550-022-01671-6

Цитат: AI разкрива неподозирано математично търсене на екзопланети (2022 г., 24 май), извлечено на 24 май 2022 г. от https://phys.org/news/2022-05-ai-reveals-unsuspected-math-underlying.html

Този документ е обект на авторско право. Освен всяка честна сделка с цел частно проучване или изследване, никоя част не може да бъде възпроизвеждана без писменото разрешение. Съдържанието е предоставено само за информационни цели.