谷歌開源的機器學習技術，它用來尋找新的行星

谷歌在周四的博客文章中宣布，谷歌將開放源代碼的機器學習技術，使其能夠發現新的系外行星。

去年12月，谷歌宣布，通過培訓神經網路來分析美國宇航局開普勒空間望遠鏡的數據，並發現可能來自行星的信號，谷歌宣布已發現兩顆系外行星。

這一成功表明，機器學習既可用於發現系外行星，也可用於其他一些科學學科，包括醫療保健和量子化學，Google Brain團隊的高級軟體工程師Chris Shallue在博客文章中寫道。

該代碼可能對那些為其他NASA任務開發類似模型的人有用，包括開普勒的第二次任務K2，以及即將發布的Transiting Exoplanet Survey Satellite任務。

在這篇文章中，Google還解釋了模型如何工作的基礎知識。當在開普勒數據中搜索行星時，科學家們使用自動化軟體首先檢測可能由行星引起的信號。然後，他們必須手動檢查信號以確定它們是否與行星相匹配，或者是否為假陽性。

雖然自動檢測有一個切入點可以避免這些誤報，但仍然是一個問題：迄今為止，已經有超過30,000個檢測到的Kepler信號被手動檢測過，但其中只有約2500個被發現是行星。 。信號低於截止點的行星可能不在搜索範圍內。

Google的Brain Team開發了一個神經網路來幫助搜索行星的低信噪比檢測。它對已經手動檢測過的15,000個信號進行了訓練，以幫助網路了解實際行星和誤報之間的差異。然後，該小組通過在670顆恆星中搜索新行星來測試其模型的有效性，並允許搜索包括天文學家以前傳遞的較弱信號。它發現了兩顆行星：開普勒90 i和開普勒80 g。

該職位指出，谷歌將繼續在這一領域開展工作，並將對其模型進行改進，幫助其在拒絕誤報方面變得更加熟練。

「我們在這裡的工作遠遠沒有完成，」沙爾努在帖子中寫道。「我們只在開普勒觀測到的20萬顆星中搜索了670顆恆星 - 誰知道當我們將我們的技術轉化為整個數據集時我們會發現什麼。」

ZDNet指出，谷歌還一直在將其機器學習推向地球上可能影響企業的新領域，包括與勞斯萊斯合作開發自主船舶，以及為其Sheets應用增加機器學習功能。

上述文章翻譯自techrepublic.com，如有侵權，請告知

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！