发现第二个太阳系 这是怎么回事? 美国东部时间12 月14 日13 时（北京时间15 日凌晨2 点），NASA 举办了一场电话会议，揭开了喧嚣多日的开普勒天文望远镜的“重大发现”，确定了距离地球2545 光年远的开普勒90 星系中的两颗新发现的行星——开普勒80g 和开普勒90i，这是人类发现的首个和我们太阳系一样的具有8 颗行星的星系。
重大发现！NASA和谷歌共同宣布发现"第二个太阳系"，AI扮演至关重要之角色
除此以外，此次新发现还有一个最大的亮点，那就是这次的研究成果是与Google 一起合作完成的。NASA 的科学家使用Google 机器学习来对开普勒数据进行分析，其效率和准确性远超传统的分析方法。据此，NASA 认为Google 的AI 技术将有助于在太阳系外探测到外星生命的迹象。
图丨谷歌CEO Sundar Pichai 第一时间在Twitter 上发声，这确实是谷歌AI的又一次胜利
出席此次发布会的有：
美国宇航局华盛顿总部天体物理部门主任Paul Hertz；
Google AI 高级软件工程师Christopher Shallue；
德克萨斯大学奥斯汀分校天文学家、美国宇航局萨根博士后Andrew Vanderburg；
美国宇航局艾姆斯研究中心的开普勒项目科学家Jessie Dotson。
论文地址：
https://www.cfa.harvard.edu/~avanderb/kepler90i.pdf
AI+太空探索
几千年来，人们仰望头顶的星空，夜以继日地记录所见所得，并从中发现宇宙的秘密。其中，由早期的天文学家确定的第一批天体是行星，希腊人称之为“planētai”或“流浪者”，是它们在夜空中看似不规则的运动最先引起了人们的注意。几个世纪以来的研究帮助人们认识到，像太阳系这样有众多行星围绕一颗恒星的星系在宇宙中并不是唯一的。
图丨上图为NASA 地外行星探索计划的各组成部分，包括W. M. Keck 天文台等地面观测点；哈勃、史匹哲、开普勒等太空观测点；凌日系外行星观测卫星；詹姆斯·韦伯太空望远镜；广角红外线探测望远镜，以及未来可能的其它太空观测项目。
如今，在望远镜、探测器、大型计算机等技术的帮助下，人类逐渐将我们的观察范围扩展到我们所处的太阳系之外，愈加关注其它恒星周围的行星。而研究这些被称为系外行星的天体有助于我们最深入地探索宇宙的本来面貌。地球之外还有什么呢？还有类似太阳系中的星体的其它行星吗？或者说，还有和太阳系相似的存在吗？
虽然新的技术有助于寻找新的星体，但寻找系外行星的难度其实非常大。与它们的环绕的恒星相比，系外行星体型较小且不发光——发现它们的难度就像发现几千英里外的探照灯旁边飞来飞去的萤火虫。但借助机器学习，谷歌和NASA 取得了突破。
图丨开普勒9开普勒90 是一颗类似太阳的恒星，与我们的太阳系相同的是，它也拥有8 颗行星，而不同点在于，它的8 颗行星间的距离远小于太阳系，如上图所示，最外围的第8 颗行星开普勒90h 距离恒星开普勒90 的距离还小于我们的地球到太阳的距离（日地距离约1.5 亿公里）。也正是因为距离近，所以行星公转一周所需的时间也很短，以此次发现的开普勒90i 为例，它公转一周只需要14.4 天，相比之下，即便是太阳系中公转速度最快的水星公转一周也需要88 天。但距离近也就意味着非常高的温度，开普勒90i 的表面温度为华氏800 度（摄氏426 度），这么高的温度肯定不会允许任何生命存在。而经过对开普勒90 星系结构的分析，天文学家发现该星系中的8 颗行星的分布规律与太阳系类似，它们原本的分布距离更加分散，只是后来才逐渐“聚集”到开普勒90 周围的。
通常而言，天体物理学家过往寻找系外行星的主要途径是通过自动化软件或人工来对大量产生于开普勒望远镜的数据进行分析。过去四年，开普勒望远镜观察了约20 万颗恒星，每30 分钟拍摄一张照片，创造了约140 亿个数据点。这140 亿个数据点可以转化为大约2 万亿个可能的行星轨道！对于计算能力最强大的计算机来说，这样的分析也是一个浩大的工程，而且会非常耗时。为了让这样的分析过程更快更有效，研究人员们转向了机器学习。
图丨如果一颗行星从母恒星盘面的前方横越时，将可以观察到恒星的视觉亮度会略微下降一些，这颗恒星变暗的程度取决于行星相对于恒星的大小。这种探测方法被称为“凌日法”，是地外行星侦测法之一。开普勒太空望远镜使用的就是凌日法，望远镜在长时间里对超过十万颗恒星进行监视，扫描并记录每一颗恒星在不同位置的亮度变化。这种呈U 形的明暗信号变化模式通过白色的线条来表示。视频中蓝色的点状分布，正是NASA 在分析这些光变曲线后，得出“开普勒天体”的数据。
当一颗行星挡住一些光线时，恒星的亮度就会减小。基于这样的原理，开普勒太空望远镜观测了20 万颗恒星的亮度，耗时4 年来寻找这些由行星运行过而引起的特征信号。
实际上，作为一种训练计算机识别模式的方式，机器学习对于理解大量的数据尤其有用，其关键的亮点在于让计算机“自发”学习，而不是使用特定的编程。
在合作的过程中，Google 的AI 工程师Christopher Shallue 与德州大学奥斯汀分校的天体物理学家Andrew Vanderburg 一起，教会了一个机器学习系统如何识别遥远恒星周围的行星。
他们使用超过15,000 个标记的开普勒信号的数据集，创建了一个TensorFlow 模型来区分行星与非行星。在测试时，该系统能准确地确定哪些信号是行星，哪些信号不是行星，准确率达到96％。
图丨图中的每一个点代表一个已经发现的星系，而数字代表该星系中所拥有的行星数量，从图中我们可以发现，在已知的2000 多个星系（至少有一颗行星）中，行星越多的星系越稀缺。而此次两颗行星的发现则意味着有可能有带有更多行星的星系尚待发现。
为了缩小搜索范围，科学家们研究了已知的可包含两颗及更多的系外行星的670 颗恒星。最终发现了两颗新的行星：开普勒80g 和开普勒90i。重要的是，开普勒90i 是开普勒90 星系中的第八颗行星，这使得我们确定了开普勒90 是我们已知的太阳系以外的第一个8 行星星系。
图丨开普勒太空望远镜捕捉到了3 万个疑似绕恒星公转的行星信号。研究人员通过训练神经网络，让计算机学会了识别行星从恒星前方横越时产生的微弱信号。在使用这种技术对已知的670 个多行星系统的扫描过程中，共发现了两个行星：开普勒90i 和开普勒80g。
据悉，开普勒90i 比地球大30％，表面温度大约800°F（426℃），并不适合生命生存，它围绕开普勒90 旋转一周仅需要14.4 天。
图丨开普勒90 星系中的形体构成和我们的太阳系很类似：小一些的行星绕近恒星轨道公转，大一些的行星绕远恒星轨道公转。
