AI afslører uanet matematik, der ligger til grund for søgning efter exoplaneter

Kunstig intelligens (AI) algoritmer trænet på rigtige astronomiske observationer udkonkurrerer nu astronomer i at sigte gennem enorme mængder data for at finde nye eksploderende stjerner, identificere nye typer af galakser og detektere sammensmeltninger af massive stjerner, hvilket accelererer hastigheden af ​​nye opdagelser i verdens ældste videnskab.

Men AI, også kaldet maskinlæring, kan afsløre noget dybere, fandt astronomer ved University of California, Berkeley:Uanede sammenhænge gemt i den komplekse matematik, der stammer fra den generelle relativitetsteori – især hvordan den teori anvendes til at finde nye planeter omkring andre stjerner.

I et papir, der vises i denne uge i tidsskriftet Nature Astronomy , beskriver forskerne, hvordan en AI-algoritme udviklede sig til hurtigere at detektere exoplaneter, når sådanne planetsystemer passerer foran en baggrundsstjerne og kortvarigt lyser den op - en proces kaldet gravitationel mikrolinsing - afslørede, at de årtier gamle teorier, der nu bruges til at forklare disse observationer, er sørgeligt ufuldstændig.

I 1936 brugte Albert Einstein selv sin nye almene relativitetsteori til at vise, hvordan lyset fra en fjern stjerne kan bøjes af tyngdekraften af ​​en forgrundsstjerne, hvilket ikke kun gør den lysere set fra Jorden, men ofte opdeler den i flere punkter. lys eller forvrænge det til en ring, nu kaldet en Einstein-ring. Dette svarer til den måde, en håndlinse kan fokusere og intensivere lyset fra solen på.

Men når forgrundsobjektet er en stjerne med en planet, er lysningen over tid - lyskurven - mere kompliceret. Hvad mere er, er der ofte flere planetariske baner, der kan forklare en given lyskurve lige så godt - såkaldte degenerationer. Det var der, mennesker forenklede matematikken og gik glip af det større billede.

AI-algoritmen pegede imidlertid på en matematisk måde at forene de to hovedtyper af degeneration i fortolkningen af, hvad teleskoper detekterer under mikrolinsing, og viste, at de to "teorier" virkelig er specielle tilfælde af en bredere teori, som forskerne indrømmer sandsynligvis stadig er ufuldstændige .

"En maskinlærings-inferensalgoritme, vi tidligere har udviklet, førte os til at opdage noget nyt og fundamentalt om ligningerne, der styrer den generelle relativistiske effekt af lysbøjning af to massive legemer," skrev Joshua Bloom i et blogindlæg sidste år, da han uploadede avisen. til en preprint-server, arXiv. Bloom er professor i astronomi ved UC Berkeley og formand for afdelingen.

Han sammenlignede opdagelsen af ​​UC Berkeley-kandidatstuderende Keming Zhang med forbindelser, som Googles AI-team, DeepMind, for nylig lavede mellem to forskellige områder af matematik. Tilsammen viser disse eksempler, at AI-systemer kan afsløre fundamentale associationer, som mennesker savner.

"Jeg hævder, at de udgør en af ​​de første - hvis ikke første - gang(e), at AI er blevet brugt til direkte at give ny teoretisk indsigt i matematik og astronomi," sagde Bloom. "Ligesom Steve Jobs foreslog, at computere kunne være sindets cykler, har vi søgt en AI-ramme til at tjene som et intellektuelt raketskib for videnskabsmænd."

"Dette er en slags milepæl inden for kunstig intelligens og maskinlæring," understregede medforfatter Scott Gaudi, professor i astronomi ved Ohio State University og en af ​​pionererne inden for at bruge gravitationel mikrolinse til at opdage exoplaneter. "Kemings maskinlæringsalgoritme afslørede denne degeneration, som var blevet savnet af eksperter på området, der havde arbejdet med data i årtier. Dette tyder på, hvordan forskningen kommer til at gå i fremtiden, når den bliver hjulpet af maskinlæring, hvilket er virkelig spændende."

Opdagelse af exoplaneter med mikrolinsing

Mere end 5.000 exoplaneter eller ekstrasolare planeter er blevet opdaget omkring stjerner i Mælkevejen, selvom få faktisk er blevet set gennem et teleskop - de er for svage. De fleste er blevet opdaget, fordi de skaber en Doppler-slingre i deres værtsstjerners bevægelser, eller fordi de en smule dæmper lyset fra værtsstjernen, når de krydser foran den – transitter, der var i fokus for NASAs Kepler-mission. Kun et par mere end 100 er blevet opdaget ved en tredje teknik, mikrolinsing.

Et af hovedmålene med NASA's Nancy Grace Roman Space Telescope, der er planlagt til at blive opsendt i 2027, er at opdage tusindvis flere exoplaneter via mikrolinsing. Teknikken har en fordel i forhold til Doppler- og transitteknikkerne ved, at den kan detektere planeter med lavere masse, inklusive dem på størrelse med Jorden, der er langt fra deres stjerner, i en afstand svarende til Jupiter eller Saturn i vores solsystem.

Bloom, Zhang og deres kolleger satte sig for to år siden for at udvikle en AI-algoritme til hurtigere at analysere mikrolinsedata for at bestemme stjerne- og planetmasserne af disse planetsystemer og de afstande, planeterne kredser fra deres stjerner. En sådan algoritme ville fremskynde analysen af ​​de sandsynlige hundredtusindvis af begivenheder, som det romerske teleskop vil opdage for at finde de 1 % eller færre, der er forårsaget af exoplanetariske systemer.

Et problem, astronomer støder på, er imidlertid, at det observerede signal kan være tvetydigt. Når en enlig forgrundsstjerne passerer foran en baggrundsstjerne, stiger baggrundsstjernernes lysstyrke jævnt til en top og falder derefter symmetrisk til dens oprindelige lysstyrke. Det er let at forstå matematisk og observationsmæssigt.

Men hvis forgrundsstjernen har en planet, skaber planeten en separat lysstyrketop inden for toppen forårsaget af stjernen. Når man forsøger at rekonstruere orbitalkonfigurationen af ​​den exoplanet, der producerede signalet, tillader den generelle relativitetsteori ofte to eller flere såkaldte degenererede løsninger, som alle kan forklare observationerne.

Til dato har astronomer generelt behandlet disse degenerationer på forenklede og kunstigt forskellige måder, sagde Gaudi. Hvis det fjerne stjernelys passerer tæt på stjernen, kan observationerne tolkes enten som en bred eller en tæt bane for planeten - en tvetydighed, som astronomer ofte kan løse med andre data. En anden type degeneration opstår, når baggrundsstjernelyset passerer tæt på planeten. I dette tilfælde er de to forskellige løsninger for planetbanen dog generelt kun lidt forskellige.

Ifølge Gaudi er disse to forenklinger af to-krops gravitationel mikrolinsing normalt tilstrækkelige til at bestemme de sande masser og kredsløbsafstande. Faktisk beskrev Zhang, Bloom, Gaudi og to andre UC Berkeley-medforfattere, astronomiprofessor Jessica Lu og kandidatstuderende Casey Lam, i et papir udgivet sidste år en ny AI-algoritme, der slet ikke er afhængig af viden om disse fortolkninger . Algoritmen fremskynder i høj grad analysen af ​​mikrolinseobservationer, giver resultater på millisekunder i stedet for dage, og reducerer computerens knas drastisk.

Zhang testede derefter den nye AI-algoritme på mikrolinsende lyskurver fra hundredvis af mulige orbitale konfigurationer af stjerne og exoplanet og bemærkede noget usædvanligt:​​Der var andre uklarheder, som de to fortolkninger ikke tog højde for. Han konkluderede, at de almindeligt anvendte fortolkninger af mikrolinsing i virkeligheden kun var specielle tilfælde af en bredere teori, der forklarer hele rækken af ​​tvetydigheder i mikrolinsebegivenheder.

"De to tidligere teorier om degeneration omhandler tilfælde, hvor baggrundsstjernen ser ud til at passere tæt på forgrundsstjernen eller forgrundsplaneten," sagde Zhang. "AI-algoritmen viste os hundredvis af eksempler fra ikke kun disse to tilfælde, men også situationer, hvor stjernen ikke passerer tæt på hverken stjernen eller planeten og ikke kan forklares af hverken tidligere teori. Det var nøglen til, at vi foreslog den nye samlende teori."

Gaudi var skeptisk i starten, men kom efter Zhang producerede mange eksempler, hvor de to foregående teorier ikke passede til observationer, og den nye teori gjorde det. Zhang så faktisk på dataene fra to dusin tidligere artikler, der rapporterede opdagelsen af ​​exoplaneter gennem mikrolinsing og fandt ud af, at i alle tilfælde passede den nye teori dataene bedre end de tidligere teorier.

"Folk så disse mikrolinsebegivenheder, som faktisk udviste denne nye degeneration, men var bare ikke klar over det," sagde Gaudi. "Det var egentlig bare maskinlæring at se på tusindvis af begivenheder, hvor det blev umuligt at gå glip af."

Zhang og Gaudi har indsendt et nyt papir, der nøje beskriver den nye matematik baseret på generel relativitetsteori og udforsker teorien i mikrolinsesituationer, hvor mere end én exoplanet kredser om en stjerne.

Den nye teori gør teknisk fortolkning af mikrolinseobservationer mere tvetydig, da der er mere degenererede løsninger til at beskrive observationerne. Men teorien demonstrerer også klart, at observation af den samme mikrolinsebegivenhed fra to perspektiver – fra Jorden og fra det romerske rumteleskops kredsløb, for eksempel – vil gøre det lettere at finde sig til rette på de korrekte baner og masser. Det er, hvad astronomer i øjeblikket planlægger at gøre, sagde Gaudi.

"AI'en foreslog en måde at se på linseligningen i et nyt lys og afdække noget virkelig dybt om matematikken i den," sagde Bloom. "AI opstår på en måde som ikke bare denne slags stumpe værktøj, der er i vores værktøjskasse, men som noget, der faktisk er ret smart. Sammen med en ekspert som Keming var de to i stand til at gøre noget ret fundamentalt." + Udforsk yderligere

Ny sub-Jupiter-masse exoplanet opdaget af astronomer