人工智能有助于了解年轻恒星及其行星的演变

从2013年11月的太阳的一个X级太阳耀斑。科学家们训练了一个神经网络，以便在其他恒星周围的遥远行星中找到这样的耀斑。

芝加哥大学科学家教授一个神经网找到婴儿星耀斑。

像它的人类同行一样，一颗年轻的明星很可爱，但易于脾气暴躁 - 只有一个明星是致命的。来自一颗星的耀斑可以焚烧它周围的一切，包括任何前提行星的大气，开始形成。

了解这类年轻恒星爆发的频率如何帮助科学家了解在哪里寻找可居住的行星。但到目前为止，定位此类耀斑涉及到几千次测量的星光亮度变化，称为“光线”，通过眼睛。

然而，科学家芝加哥大学和新南威尔士大学认为这将是一项适合机器学习的任务。他们教授一种称为神经网络的人工智能来检测恒星闪光的触发器，然后要求它检查成千上万的年轻恒星的光线;它发现了超过23,000张耀斑。

2020年10月23日发布的，在天文学journdmand中，开源软件杂志，结果为AI在天文学中使用了一个新的基准，以及更好地了解年轻恒星及其行星的演变。

“当我们说年轻时，我们的意思是只有一百万到8亿岁，”乌克西哥研究生和第一作者在纸上的第一个作者说。“恒星附近的任何行星仍在这一点上形成。这是一个特别脆弱的时间，恒星的耀斑可以很容易地蒸发任何被收集的水或大气。“

NASA的苔丝望远镜，自2018年以来一直是轨道的卫星，专门用于寻找外产的卫星。Flares来自Furaway Stars的炫耀显示在TESS的图像上，但传统的算法很难从星星活动的背景噪声中挑出形状。

美国宇航局的太阳能动力学天文台从太阳中捕获耀斑。

但是神经网络特别擅长寻找类似于互联网图像的谷歌的谷歌的AI挑选的猫 - 天文学家越来越开始地向他们展示分类天文数据。Feinstein与美国宇航局，Flatiron Institute，Fermi National Accelerator实验室，Massachusetts理工学院和德克萨斯大学奥斯汀的科学家团队合作，将一套识别的喇叭口和不耀斑拉到培训神经网络。

“事实证明，真正善于找到小耀斑，”学习合作社和前乌克西哥博士后同伴Benjamin Montet，现在是悉尼新南威尔士大学的科学讲师。“实际上真的很难找到其他方法。”

一旦研究人员对神经网络的表现感到满意，他们就会在超过3,200颗恒星的全套数据上旋转它。

他们发现类似于我们的阳光的星星只有几张耀斑，那些耀斑似乎在大约5000万年后下车。“这对培养行星大气压有益 - 一个平静的恒星环境意味着大气中的气氛有更好的幸存者，”Feinstein说。

这可以帮助科学家挑选最有可能的地方来寻找宇宙中其他地方的可居住行星。

相比之下，叫做红色矮人的凉爽恒星往往更频繁地耀斑。“已经看到红矮人举办小岩石行星;如果那些行星在他们年轻的时候被轰炸，这可能会毫不犹豫地保留任何氛围，“她说。

结果有助于科学家了解居住地围绕着不同类型的星星的居住行星的几率，以及如何形成大气。这可以帮助他们查明最可能的地方来寻找宇宙其他地方的可居住行星。

他们还调查了恒星喇叭口和星斑的联系，就像我们在我们自己的太阳表面上看到的那种。蒙特特说：“我们的晒太阳可能是表面的0.3％，”蒙特特说。“对于我们看到的一些恒星来说，表面基本上是所有的斑点。这加强了斑点和耀斑连接的想法，作为磁事件。“

科学家接下来想要调整神经网络，寻找潜伏在年轻恒星周围的行星。“目前，我们只知道大约500万年的大约十几岁，但他们非常有价值地学习行星氛围如何发展，”Feinstein说。

参考：“来自苔丝数据的卷积神经网络分析的年轻明星的爆发统计数据”由Adina D. Feinstein，Benjamin T. Montet，Megan Ansdell，Brian Nord，Jacob L. Bean，MaximilianN.Günther，Michael A. Gully-Santiago，和Joshua E. Schlieder，2020年10月23日，天文杂志.DOI：10.3847 / 1538-3881 / ABAC0A

其他Uchicago附属科学家在这项研究包括访问助理研究教授Brian Nord和Asvia。Jacob Bean教授。