Topic: 谷歌今开源猎星代码 天文爱好者们一起寻找属于自己的星吧 (Read 98 times)
然后寻找到了可以做什么？这个问题好像又没有答案
我要买星星，然后送给我最爱的女人，就像三体中的云天明一样
去年12月份，谷歌训练了一个神经网络，通过分析美国宇航局（NASA）Kepler空间望远镜获得的一些数据，发现了两颗系外行星。这项工作作为将机器学习的方法应用到天体物理中的典型案例，或将大大加速人类对系外行星的探索步伐。
而在今天，谷歌开源了他们的代码。任何有兴趣的同学都可以下载代码和数据，在自己的机器上运行。
系外行星，指在太阳系之外的行星。天文学家估计银河系中可能包含多达4,000亿颗系外行星。截至2016年2月22日，已经被认定的系外行星总数为2085颗，这些行星分属1331个行星系，其中有509个多行星系。- via Wikipedia
天文学家怎么发现系外行星？
or 猎星入门
我们知道，行星是不发光的，我们之所以能够看到水、金、火、木、土星，是因为它们反射了太阳光线，但这些光线相比于恒星来说是微不足道的。当距离遥远时，即使那些巨大的恒星都可能难以察觉，更何况那些系外行星。
天文学家于是想到了另外一种办法——当行星经过恒星的前方时会遮挡一部分光线，这就会导致我们测量的恒星亮度稍微下降，当离开后又会恢复，于是在恒星亮度曲线上就会出现“U形”凹陷；通过这种方法，天文学家可以间接地证明系外行星的存在。
不过，还有一些其他原因可能会导致测得的恒星亮度降低，例如双星系统、恒星黑子（类似太阳黑子）或者宇宙线打击到空间望远镜上所造成的仪器噪声。
为了在Kepler空间望远镜的数据中搜索行星，天文学家们使用了自动化软件来检测可能由行星遮光引起的信号，然后手动跟踪去确定这些信号到底是行星还是误报。为了避免检测到太多的信号，以至于他们没有那么多人手来处理，天文学家们对自动检测设置了一个截止点：只有信噪比超过固定阈值才会被提取出来；否则就丢掉。不过即使这样，仍然有大量的信号需要检测。例如到目前为止，已经有超过30000个信号被手动检测过，其中约2500个被验证为系外行星。
可能你也会想到，设置阈值是否会导致一些可能真实的行星信号被丢掉呢？答案是肯定的。但是，限于劳动强度太大，而降低阈值假阳性检测率会伴随着迅速增加，也即能够检测到实际行星的比例将越来越低。
然而，这些丢掉的信号里面可能存在一些我们很关切的天体——潜在的宜居行星（类似地球的行星）。这些宜居行星一般相对较小，而且围绕在相对较暗的恒星周围运动，其遮光信号将非常弱。因此在阈值以下丢掉的这些信号可能隐藏着仍未发现的宝藏。
来吧！机器学习！
考虑到数据的庞大和人力的密集，自然而言想到的一个方法就是：机器学习。
基于以上的考虑，Google Brain团队找到了UT Austin大学的Andrew Vanderburg，Vanderburg是一位著名的天体物理学家，专注于研究系外行星探测。他们合作开发了一个神经网络（CNN模型），用来在低信噪比检测的信号中搜索系外行星。
就像所有基于神经网络的模型一样，这个模型也需要训练集。幸运的是，如前面所述，我们已经拥有30000个Kepler信号，这些信号已经由天文学家们人工手动检测和分类过了。
Google团队使用了其中一半的数据用作训练，其中有3500个信号经过验证为行星或行星候选者。该网络的输入是同一个光曲线的两个独立视图：一个宽视图，允许模型检查光曲线上其他地方的信号（例如，双星会引起次级信号）；一个是放大视图，使模型能够仔细检查信号的形状（例如将“U形”信号和“V形”信号区分开来）。
当完成模型训练后，Google团队的研究人员用它研究了光曲线的的特征，以检验模型的输出是否与我们的期望相符。方法很简单，就是系统地掩盖输入光曲线的某一个小区域，来检测模型输出的变化。结果显示，如果掩盖那些对判断信号特别重要的区域，模型输出也会相应的改变；但如果掩盖的是不重要的区域，则不会产生显著的影响。
举例来说，下面这张为双星（而不是系外行星）的光曲线图，模型做出了正确的预测；其中绿色突显的点是最能影响模型输出的区域，因为它们是对应于双星系统的次级信号。当这些点被掩盖后，模型的输出中判断为系外行星的概率就从0%突然跃升到40%。
而在今天，谷歌开源了他们的代码。任何有兴趣的同学都可以下载代码和数据，在自己的机器上运行。
系外行星，指在太阳系之外的行星。天文学家估计银河系中可能包含多达4,000亿颗系外行星。截至2016年2月22日，已经被认定的系外行星总数为2085颗，这些行星分属1331个行星系，其中有509个多行星系。- via Wikipedia
天文学家怎么发现系外行星？
or 猎星入门
我们知道，行星是不发光的，我们之所以能够看到水、金、火、木、土星，是因为它们反射了太阳光线，但这些光线相比于恒星来说是微不足道的。当距离遥远时，即使那些巨大的恒星都可能难以察觉，更何况那些系外行星。
天文学家于是想到了另外一种办法——当行星经过恒星的前方时会遮挡一部分光线，这就会导致我们测量的恒星亮度稍微下降，当离开后又会恢复，于是在恒星亮度曲线上就会出现“U形”凹陷；通过这种方法，天文学家可以间接地证明系外行星的存在。
不过，还有一些其他原因可能会导致测得的恒星亮度降低，例如双星系统、恒星黑子（类似太阳黑子）或者宇宙线打击到空间望远镜上所造成的仪器噪声。
为了在Kepler空间望远镜的数据中搜索行星，天文学家们使用了自动化软件来检测可能由行星遮光引起的信号，然后手动跟踪去确定这些信号到底是行星还是误报。为了避免检测到太多的信号，以至于他们没有那么多人手来处理，天文学家们对自动检测设置了一个截止点：只有信噪比超过固定阈值才会被提取出来；否则就丢掉。不过即使这样，仍然有大量的信号需要检测。例如到目前为止，已经有超过30000个信号被手动检测过，其中约2500个被验证为系外行星。
可能你也会想到，设置阈值是否会导致一些可能真实的行星信号被丢掉呢？答案是肯定的。但是，限于劳动强度太大，而降低阈值假阳性检测率会伴随着迅速增加，也即能够检测到实际行星的比例将越来越低。
然而，这些丢掉的信号里面可能存在一些我们很关切的天体——潜在的宜居行星（类似地球的行星）。这些宜居行星一般相对较小，而且围绕在相对较暗的恒星周围运动，其遮光信号将非常弱。因此在阈值以下丢掉的这些信号可能隐藏着仍未发现的宝藏。
来吧！机器学习！
考虑到数据的庞大和人力的密集，自然而言想到的一个方法就是：机器学习。
基于以上的考虑，Google Brain团队找到了UT Austin大学的Andrew Vanderburg，Vanderburg是一位著名的天体物理学家，专注于研究系外行星探测。他们合作开发了一个神经网络（CNN模型），用来在低信噪比检测的信号中搜索系外行星。
就像所有基于神经网络的模型一样，这个模型也需要训练集。幸运的是，如前面所述，我们已经拥有30000个Kepler信号，这些信号已经由天文学家们人工手动检测和分类过了。
Google团队使用了其中一半的数据用作训练，其中有3500个信号经过验证为行星或行星候选者。该网络的输入是同一个光曲线的两个独立视图：一个宽视图，允许模型检查光曲线上其他地方的信号（例如，双星会引起次级信号）；一个是放大视图，使模型能够仔细检查信号的形状（例如将“U形”信号和“V形”信号区分开来）。
当完成模型训练后，Google团队的研究人员用它研究了光曲线的的特征，以检验模型的输出是否与我们的期望相符。方法很简单，就是系统地掩盖输入光曲线的某一个小区域，来检测模型输出的变化。结果显示，如果掩盖那些对判断信号特别重要的区域，模型输出也会相应的改变；但如果掩盖的是不重要的区域，则不会产生显著的影响。
举例来说，下面这张为双星（而不是系外行星）的光曲线图，模型做出了正确的预测；其中绿色突显的点是最能影响模型输出的区域，因为它们是对应于双星系统的次级信号。当这些点被掩盖后，模型的输出中判断为系外行星的概率就从0%突然跃升到40%。
Jump to: