概要：當地時間12月15日，美國國家航空航天局NASA宣布在“行星獵手”開普勒望遠鏡的數據庫中找到了恒星“開普勒－90”周圍的第八顆行星，追平太陽系。

一個恒星周圍最多環繞幾顆恒星？一直以來，太陽系就是人類所知的行星數量最多的星系。當地時間12月15日，美國國家航空航天局NASA宣布在“行星獵手”開普勒望遠鏡的數據庫中找到了恒星“開普勒－90”周圍的第八顆行星，追平太陽系。該星系遠在2545光年外的天龍座，八大行星相互距離壓縮得更近，儼然是迷你版的太陽系。

這項發現用到了谷歌的神經網絡模型。

“開普勒－90”和太陽系一樣擁有八大行星 本文圖片均來自 NASA

通過神經網絡模型，人工智能可以進行深度學習，即利用大量匹配的輸入－輸出值訓練計算機，使之自行發掘數據中的特征。這種曾令AlphaGo在棋盤上大殺四方的人工智能模型，如今開始在天文物理的海量數據中發揮用處。或許正應了那句傳言：圍棋的變化組合，比宇宙中的原子數還要多。

發現新行星的方法是觀察“凌日”現象，即行星掠經恒星表面時，會造成恒星亮度的下降。

“凌日”現象

2009年，“行星獵手”開普勒望遠鏡承載著人類尋找“第二地球”的夢想升空。它在2013年因“癱瘓”——一次嚴重的硬件故障結束了獵捕系外行星的任務，朝同一個方向凝視了4年。最近，NASA計劃讓它每80天轉動一下角度。

在“癱瘓”前的四年，開普勒望遠鏡積累了浩繁的數據。這份數據庫對科學家來說幾乎是難以窮盡的富礦。目前，人類從中找出了超過4000顆疑似的系外行星。

漏網之魚肯定存在。

已知恒星系統的行星數

克利斯朵夫·肖樂（Christopher Shallue）是谷歌人工智能團隊的一名資深軟件工程師，當他了解到天文學正在和許多其他學科一樣被大數據淹沒時，他想到了要用神經網絡分析開普勒數據庫。

首先，研究者訓練計算機對人類已經分析過的15000個開普勒信號進行訓練，當計算機能以96%的準確率識別凌日信號后，研究者用這個模型搜尋670個多行星系統中微弱的信號。他們認為，多行星的星系是尋找更多系統行星的最佳地點。

合作發現者NASA博士后安德魯·范登堡（ Andrew Vanderburg）說道：“我們得到了許多假陽性信號，但真陽性更多。這就像沙中淘金。如果你用的網格更密，你會淘到更多的沙，但也可能淘到更多的金。”

肖樂和范登堡下一步打算用人工智能模型將整個開普勒數據庫篩一遍。里面包含超過15萬個信號。

開普勒之前（藍色）和開普勒（黃色）發現的系外行星

“正如我們所料，存檔的開普勒數據中還藏著許多激動人心的發現，靜待合適的技術解鎖。”NASA天文物理部主任保羅·赫茲（Paul Hertz）說道。“這項發現意味著，我們的數據在未來可以成為研究者們的寶庫。”

新發現的“開普勒－90”第八行星——“開普勒－90i”是一顆灼熱的巖石星球，公轉周期14.4天。它比地球大30%，非常靠近恒星，表面溫度與水星相當。

而“開普勒－90”系統最外圍的行星，“開普勒－90h”，軌道距離與地球相當。

“開普勒－90星系就像迷你版太陽系：里圈有小點的行星，外圈有大點的行星，但距離壓縮得更近，”范登堡說道。

迷你版太陽系：行星間距更近

除此之外，“開普勒－90”第六行星“開普勒－90g”也是通過這個人工智能模型找到的。它和四個比鄰行星的相互重力形成了諧振鏈，異常穩定，如同此前發現的“葫蘆娃”七行星系統TRAPPIST-1。