Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

天文學家首度利用微重力透鏡視差法精確測定遙遠系外行星的距離

臺北天文館_96
・2015/04/20 ・1516字 ・閱讀時間約 3 分鐘 ・SR值 519 ・六年級

美國哈佛史密松恩天文物理中心(Harvard-Smithsonian Center for Astrophysics,CfA)天文學家Jennifer Yee等人利用美國航太總署(NASA)史匹哲太空望遠鏡(Spitzer Space Telescope)和OGLE(Optical Gravitational Lensing Experiment)計畫位於智利Las Campanas觀測站的Warsaw望遠鏡進行聯合觀測,發現一顆距離遠達13000光年的氣體行星OGLE-2014-BLG-0124L,是迄今已知最遠的系外行星之一。這項發現有助於天文學家瞭解系外行星在扁平、螺旋狀的銀河系中如何分布:究竟是比較喜歡集中在星系中心區域呢?還是會平均散佈在銀河各處?

PIA19333

OGLE計畫是以微重力透鏡(microlensing)方式搜尋系外行星,即當某顆恆星行經另一顆遠方恆星與地球之間時,其微弱的重力場會類似放大鏡般,將遠方恆星的光集中並變亮;如果這顆前景恆星恰好有行星環繞,將使遠方恆星亮度變亮加劇,天文學家便可藉此事件察覺系外行星的存在。

我們的太陽系其實是位在銀河系的郊區,約銀河系半徑2/3之處。利用微重力透鏡法,可以偵測從太陽系鄰近區域一直到銀河中心區,可偵測範圍比其他系外行星偵測方式廣泛得多,因此與其他偵測方式相互配合的話,可有效地瞭解整個銀河系內的系外行星分布概況。其中,離地球約27000光年遠的銀河系核球區,因恆星密度高,彼此遮蔽的機會也隨之增加,是微重力透鏡事件最容易發生的方向。到目前為止,已經以微重力透鏡法在核球區發現約30顆系外行星,其中最遠的約為25000光年左右。

雖然微重力透鏡可以偵測比較遠的系外行星,但卻有個關鍵問題:它無法精確的測定造成微重力透鏡事件的前景天體的距離。事實上,若不是遠方恆星的亮度被增亮,有時候根本連前景恆星都無法察覺其存在與否。所以,測定精確距離變成是微重力透鏡法的最大挑戰。事實上,迄今已知的30個以微重力透鏡法發現的系外行星中,有半數不知其精確位置,這讓天文學家彷彿抱著沒有標示「X」的藏寶圖一般,不知該如何下手去尋寶。

-----廣告,請繼續往下閱讀-----

PIA19332_hires

在史匹哲太空望遠鏡的協助下,天文學家終於有機會找到藏寶圖上那個X標示之處。史匹哲太空望遠鏡距離地球約2億700萬公里,跟隨地球之後一起繞太陽公轉。由於和地球相距甚遠,因此當史匹哲太空望遠鏡與在地球上的望遠鏡觀測到同一個微重力透鏡事件時,它們「看到」背景恆星變亮的時間點並不相同,從兩座望遠鏡觀測到變亮的時間差便可估算出前景天體的距離。這和一般的「視差法(parallax)」一樣,故稱為「微重力透鏡視差法(microlens parallax)」;這也是天文學家第一次用微重力透鏡視差方式獲得系外行星的距離訊息。

利用太空望遠鏡觀察微重力透鏡事件並不容易。地面望遠鏡一旦偵測到微重力透鏡事件後會立即向天文社群發佈「警報」,不過這個觀測活動很快就結束,平均只有約40天左右。史匹哲團隊得趕在收到警報的3天後,倉促地排開其他原已排定的觀測工作,轉而開始觀測微重力透鏡事件。

在這顆新發現的系外行星OGLE-2014-BLG-0124L案例中,微重力透鏡現象持續了150之久,與往常案例相較之下就顯得相當不尋常。OGLE首先偵測到這個事件,而後史匹哲也加入監測的行列;之後OGLE和史匹哲都偵測到象徵有系外行星的亮度突亮的現象,不過史匹哲觀測到的時間比OGLE早了20天左右。Yee等人由此估算這顆行星的距離約13000光年;而一旦知道距離之後,又由此估算出這顆行星的質量約為0.5倍木星質量,因此比較可能是顆氣體行星,而非類似地球這樣的岩質行星。

到目前為止,史匹哲和OGLE及其他地面望遠鏡已經合作觀測了其他22個微重力透鏡事件,雖然都沒有發現新的系外行星,但還是可據以瞭解並統計銀河中心區的恆星和行星的族群分布狀況。因此根據計畫,史匹哲太空望遠鏡在今年夏季將要監測120個額外的微重力透鏡事件,以便達到天文學家想要進行的統計目標。

-----廣告,請繼續往下閱讀-----

資料來源:

本文轉載自網路天文館

-----廣告,請繼續往下閱讀-----
文章難易度
臺北天文館_96
482 篇文章 ・ 44 位粉絲
臺北市立天文科學教育館是國內最大的天文社教機構,我們以推廣天文教育為職志,做為天文知識和大眾間的橋梁,期盼和大家一起分享天文的樂趣!

0

1
0

文字

分享

0
1
0
ECU: 汽車大腦的演化與挑戰
鳥苷三磷酸 (PanSci Promo)_96
・2025/07/02 ・3793字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

本文與 威力暘電子 合作,泛科學企劃執行。

想像一下,當你每天啟動汽車時,啟動的不再只是一台車,而是一百台電腦同步運作。但如果這些「電腦」突然集體當機,後果會有多嚴重?方向盤可能瞬間失靈,安全氣囊無法啟動,整台車就像失控的高科技廢鐵。這樣的「系統崩潰」風險並非誇張劇情,而是真實存在於你我日常的駕駛過程中。

今天,我們將深入探討汽車電子系統「逆天改運」的科學奧秘。究竟,汽車的「大腦」—電子控制單元(ECU),是如何從單一功能,暴增至上百個獨立系統?而全球頂尖的工程師們,又為何正傾盡全力,試圖將這些複雜的系統「砍掉重練」、整合優化?

第一顆「汽車大腦」的誕生

時間回到 1980 年代,當時的汽車工程師們面臨一項重要任務:如何把汽油引擎的每一滴燃油都壓榨出最大動力?「省油即省錢」是放諸四海皆準的道理。他們發現,關鍵其實潛藏在一個微小到幾乎難以察覺的瞬間:火星塞的點火時機,也就是「點火正時」。

如果能把點火的精準度控制在「兩毫秒」以內,這大約是你眨眼時間的百分之一到千分之一!引擎效率就能提升整整一成!這不僅意味著車子開起來更順暢,還能直接省下一成的油耗。那麼,要如何跨過這道門檻?答案就是:「電腦」的加入!

-----廣告,請繼續往下閱讀-----

工程師們引入了「微控制器」(Microcontroller),你可以把它想像成一顆專注於特定任務的迷你電腦晶片。它能即時讀取引擎轉速、進氣壓力、油門深度、甚至異常爆震等各種感測器的訊號。透過內建的演算法,在千分之一秒、甚至微秒等級的時間內,精準計算出最佳的點火角度,並立刻執行。

從此,引擎的性能表現大躍進,油耗也更漂亮。這正是汽車電子控制單元(ECU)的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)。

汽車電子控制單元的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)/ 圖片來源:shutterstock

ECU 的失控暴增與甜蜜的負荷

第一顆 ECU 的成功,在 1980 年代後期點燃了工程師們的想像:「這 ECU 這麼好用,其他地方是不是也能用?」於是,ECU 的應用範圍不再僅限於點火,燃油噴射量、怠速穩定性、變速箱換檔平順度、ABS 防鎖死煞車,甚至安全氣囊的引爆時機……各種功能都交給專屬的 ECU 負責 。

然而,問題來了:這麼多「小電腦」,它們之間該如何有效溝通?

-----廣告,請繼續往下閱讀-----

為了解決這個問題,1986 年,德國的博世(Bosch)公司推出了一項劃時代的發明:控制器區域網路(CAN Bus)。你可以將它想像成一條專為 ECU 打造的「神經網路」。各個 ECU 只需連接到這條共用的線路上,就能將訊息「廣播」給其他單元。

更重要的是,CAN Bus 還具備「優先通行」機制。例如,煞車指令或安全氣囊引爆訊號這類攸關人命的重要訊息,絕對能搶先通過,避免因資訊堵塞而延誤。儘管 CAN Bus 解決了 ECU 之間的溝通問題,但每顆 ECU 依然需要獨立的電源線、接地線,並連接各種感測器和致動器。結果就是,一輛汽車的電線總長度可能達到 2 到 4 公里,總重量更高達 50 到 60 公斤,等同於憑空多載了一位乘客的重量。

另一方面,大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。更別提這些密密麻麻的線束,簡直是設計師和維修技師的惡夢。要檢修這些電子故障,無疑讓人一個頭兩個大。

大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。/圖片來源:shutterstock

汽車電子革命:從「百腦亂舞」到集中治理

到了2010年代,汽車電子架構迎來一場大改革,「分區架構(Zonal Architecture)」搭配「中央高效能運算(HPC)」逐漸成為主流。簡單來說,這就像在車內建立「地方政府+中央政府」的管理系統。

-----廣告,請繼續往下閱讀-----

可以想像,整輛車被劃分為幾個大型區域,像是車頭、車尾、車身兩側與駕駛艙,就像數個「大都會」。每個區域控制單元(ZCU)就像「市政府」,負責收集該區所有的感測器訊號、初步處理與整合,並直接驅動該區的馬達、燈光等致動器。區域先自理,就不必大小事都等中央拍板。

而「中央政府」則由車用高效能運算平台(HPC)擔任,統籌負責更複雜的運算任務,例如先進駕駛輔助系統(ADAS)所需的環境感知、物體辨識,或是車載娛樂系統、導航功能,甚至是未來自動駕駛的決策,通通交由車輛正中央的這顆「超級大腦」執行。

乘著這波汽車電子架構的轉型浪潮中, 2008 年成立的台灣本土企業威力暘電子,便精準地切入了這個趨勢,致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台。他們專精於開發電子排檔、多功能方向盤等各式汽車電子控制模組。為了確保各部件之間的溝通順暢,威力暘提供的解決方案,就像是將好幾個「分區管理員」的職責,甚至一部分「超級大腦」的功能,都整合到一個更強大的硬體平台上。

這些模組不僅擁有強大的晶片運算能力,可同時支援 ADAS 與車載娛樂,還能兼容多種通訊協定,大幅簡化車內網路架構。如此一來,車廠在追求輕量化和高效率的同時,也能顧及穩定性與安全性。

-----廣告,請繼續往下閱讀-----
2008 年威力暘電子致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台 /圖片來源:shutterstock

萬無一失的「汽車大腦」:威力暘的四大策略

然而,「做出來」與「做好」之間,還是有差別。要如何確保這顆集結所有功能的「汽車大腦」不出錯?具體來說,威力暘電子憑藉以下四大策略,築起其產品的可靠性與安全性:

  1. AUTOSAR : 導入開放且標準化的汽車軟體架構 AUTOSAR。分為應用層、運行環境層(RTE)和基礎軟體層(BSW)。就像在玩「樂高積木」,ECU 開發者能靈活組合模組,專注在核心功能開發,從根本上提升軟體的穩定性和可靠性。
  2. V-Model 開發流程:這是一種強調嚴謹、能在早期發現錯誤的軟體開發流程。就像打勾 V 字形般,左側從上而下逐步執行,右側則由下而上層層檢驗,確保每個階段的安全要求都確實落實。
  3. 基於模型的設計 MBD(Model-Based Design) 威力暘的工程師們會利用 MatLab®/Simulink® 等工具,把整個 ECU 要控制的系統(如煞車),用數學模型搭建起來,然後在虛擬環境中進行大量的模擬和測試。這等於在實體 ECU 誕生前,就能在「數位雙生」世界中反覆演練、預先排除設計缺陷,,並驗證安全機制是否有效。
  4. Automotive SPICE (ASPICE) : ASPICE 是國際公認的汽車軟體「品質管理系統」,它不直接評估最終 ECU 產品本身的安全性,而是深入檢視團隊在軟體開發的「整個過程」,也就是「方法論」和「管理紀律」是否夠成熟、夠系統化,並只根據數據來評估品質。

既然 ECU 掌管了整輛車的運作,其能否正常運作,自然被視為最優先項目。為此,威力暘嚴格遵循汽車業中一本堪稱「安全聖經」的國際標準:ISO 26262。這套國際標準可視為一本針對汽車電子電氣系統(特別是 ECU)的「超嚴格品管手冊」和「開發流程指南」,從概念、設計、測試到生產和報廢,都詳細規範了每個安全要求和驗證方法,唯一目標就是把任何潛在風險降到最低

有了上述這四項策略,威力暘確保其產品從設計、生產到交付都符合嚴苛的安全標準,才能通過 ISO 26262 的嚴格檢驗。

然而,ECU 的演進並未就此停下腳步。當ECU 的數量開始精簡,「大腦」變得更集中、更強大後,汽車產業又迎來了新一波革命:「軟體定義汽車」(Software-Defined Vehicle, SDV)。

-----廣告,請繼續往下閱讀-----

軟體定義汽車 SDV:你的愛車也能「升級」!

未來的汽車,會越來越像你手中的智慧型手機。過去,車輛功能在出廠時幾乎就「定終身」,想升級?多半只能換車。但在軟體定義汽車(SDV)時代,汽車將搖身一變成為具備強大運算能力與高速網路連線的「行動伺服器」,能夠「二次覺醒」、不斷升級。透過 OTA(Over-the-Air)技術,車廠能像推送 App 更新一樣,遠端傳送新功能、性能優化或安全修補包到你的車上。

不過,這種美好願景也將帶來全新的挑戰:資安風險。當汽車連上網路,就等於向駭客敞開潛在的攻擊入口。如果車上的 ECU 或雲端伺服器被駭,輕則個資外洩,重則車輛被遠端鎖定或惡意操控。為了打造安全的 SDV,業界必須遵循像 ISO 21434 這樣的車用資安標準。

威力暘電子運用前面提到的四大核心策略,確保自家產品能符合從 ISO 26262 到 ISO 21434 的國際認證。從品質管理、軟體開發流程,到安全認證,這些努力,讓威力暘的模組擁有最高的網路與功能安全。他們的產品不僅展現「台灣智造」的彈性與創新,也擁有與國際大廠比肩的「車規級可靠度」。憑藉這些實力,威力暘已成功打進日本 YAMAHA、Toyota,以及歐美 ZF、Autoliv 等全球一線供應鏈,更成為 DENSO 在台灣少數核准的控制模組夥伴,以商用車熱系統專案成功打入日系核心供應鏈,並自 2025 年起與 DENSO 共同展開平台化量產,驗證其流程與品質。

毫無疑問,未來車輛將有更多運作交由電腦與 AI 判斷,交由電腦判斷,比交由人類駕駛還要安全的那一天,離我們不遠了。而人類的角色,將從操作者轉為監督者,負責在故障或斷網時擔任最後的保險。透過科技讓車子更聰明、更安全,人類甘願當一個「最弱兵器」,其實也不錯!

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

6
2

文字

分享

0
6
2
出來單挑啊!同樣都是鼎鼎大名的太空望遠鏡,哈伯與韋伯到底誰比較強?
htlee
・2022/09/21 ・2029字 ・閱讀時間約 4 分鐘

最近,韋伯太空望遠鏡發布首批科學影像,終於看到敲碗好久的結果——韋伯拍到了人類從未見過的許多東西!有人說,韋伯是哈伯的繼任者,但不知道大家是否好奇過,哈伯和韋伯到底誰比較強?

哈伯望遠鏡和韋伯望遠鏡之戰,正式開打!

這個問題有點難回答,因為兩部望遠鏡都是當代科技的結晶。哈伯是 1990 年升空的王者,韋伯是 30 年後科技進步下的產物,我試著用客觀的方式來比較這兩部太空望遠鏡。

哈伯觀測可見光,韋伯觀測紅外光

哈伯的主鏡直徑是 2.4 公尺,韋伯則是 6.5 公尺,韋伯的主鏡直徑比哈伯大 2.7 倍,這也是大家最常比較的部分。可是,如果主鏡大就比較厲害,那麼夏威夷大島上的凱克 10 公尺望遠鏡,不就比哈伯和韋伯更強?

哈伯的主鏡直徑是 2.4 公尺(左),韋伯的則是 6.5 公尺(右)。圖/維基百科

哈伯與韋伯觀測的波段不同,用途也不一樣。哈伯主要觀測的波段在可見光,可見光是指人類眼睛可以看見的光或顏色範圍,也就是紅、橙、黃、綠、藍、靛和紫。從紅光到紫光,光的波長由長到短,紅光的波長大約是 0.62–0.74 微米(1 微米=0.001 公釐),紫光的範圍則是 0.38–0.45 微米。

紅外光是指比紅光波長更長的光,也就是波長比 0.7 微米更長,這是韋伯望遠鏡主要觀測宇宙的波段。

-----廣告,請繼續往下閱讀-----

哈伯和韋伯太空望遠鏡觀測的波段,一個在可見光,另一個在紅外光,所以在功用上本來就不一樣,如果要比較的話就要小心,不然就像拿橘子跟蘋果相比,拿不同的東西做比較顯得很突兀。

誰看得比較清楚?來比一比解析度吧!

哈伯與韋伯可以拿來做比較的是解析度,解析度的值(角秒)愈低,表示能看到天體愈細微的部分,解析度跟主鏡直徑和觀測的波長有關。望遠鏡主鏡愈大,解析度愈好;另外也跟觀測的波長成正比。

解析度的計算公式。

以下兩張影像分別是史匹哲太空望遠鏡(Spitzer Space Telescope)和韋伯拍的天空中同一區域紅外光影像,拍攝的紅外波長也差不多(史匹哲:8 微米,韋伯 7.7 微米),不過兩幅影像的解析度卻差很多,韋伯的影像中可以看到更多的細節,史匹哲則好像糊成一團。

史匹哲與韋伯望遠鏡的影像解析度比較,顯然韋伯的影像解析度高很多。圖/NASA

當觀測的波長一樣時,解析度跟觀測望遠鏡的主鏡直徑成反比。史匹哲的主鏡是 0.85 公尺,所以韋伯的解析力是史匹哲的 6.5/0.85=7.8 倍!主鏡的大小直接反應在解析度上,韋伯與史匹哲在解析度上高下立判!

-----廣告,請繼續往下閱讀-----

解析度除了跟主鏡的直徑成反比,也跟觀測的波長成正比。所以同一面主鏡觀測天體,用愈短的波長觀測解析度愈好。下圖是史匹哲望遠鏡觀測 M81 星系的結果,同樣 0.85 公尺的主鏡觀測,隨著觀測波長的增加,解析度變差。

史匹哲望遠鏡拍攝的 M81 星系,拍攝的波段是 24(上)、70(中)、160 微米(下),拍攝的波段愈長,解析度愈差。圖/NASA

答案揭曉——哈伯的解析度略勝一籌!

前面提到解析度跟主鏡直徑與觀測波長的關係有一個重要前提,主鏡必須研磨到完美、光滑,也就是主鏡上不能出現高低起伏。如果主鏡不完美,像遊樂場裡的哈哈鏡,不能聚焦成像,解析度自然不好。

波長愈短對鏡面的要求愈高。哈伯太空望遠鏡的鏡面對 0.5 微米波長更長的光是完美的,比 0.5 微米波長更短的光波則呈現不完美,韋伯望遠鏡的主鏡則是對 2 微米更長的波長是光滑的。(光學上,物理學家的說法是哈伯和韋伯分別在 0.5 和 2 微米達到繞射極限。)

哈伯和韋伯望遠鏡最佳解析度分別在 0.5 微米和 2 微米,根據前面的解析度公式,哈伯在 0.5 微米的解析度是 0.05 角秒,而韋伯在 2 微米的解析度是 0.08 角秒,結論是哈伯的解析度比韋伯稍微好一點!也就是哈伯老當益壯,一點也不比韋伯差。

-----廣告,請繼續往下閱讀-----
史蒂芬五重星系,哈伯(左)與韋伯(右)拍攝的影像,從解析度來看,兩部太空望遠鏡不相上下。圖/NASA

從哈伯到韋伯,有如長江後浪推前浪

天文學家從 1990 年開始,透過哈伯望遠鏡研究宇宙,這三十年來科學家已經把哈伯的功能發揮到極致,我們對宇宙的了解很多都來自哈伯的觀測。不過這三十年的努力也讓天文學家發現哈伯不足的地方,科學家知道關鍵在紅外線觀測能力。前一代的紅外望遠鏡史匹哲無法達到需求,天文學家只能殷殷期盼韋伯。

韋伯首批公布的影像中,幾乎都是哈伯曾經拍過的天體,從科學上來說,比較可見光和紅外影像資料可以對目標天體更多了解,不過我認為這應該是韋伯對哈伯致敬的方式,感謝哈伯三十多年的貢獻!

韋伯站在巨人的肩膀上,必定能看得更暗、更遠!

-----廣告,請繼續往下閱讀-----
htlee
19 篇文章 ・ 9 位粉絲
屋頂上的天文學家-李昫岱,中央大學天文所博士,曾經於中央研究院天文所和美國伊利諾大學厄巴納-香檳分校從事研究工作。著有《噢!原來如此 有趣的天文學》、《天文很有事》,翻譯多本國家地理書籍和特刊。 目前在國立中正大學教授「漫遊宇宙101個天體」和「星空探索」兩門通識課。天文跟其他語文一樣,有自己的文法和結構,唯一的不同是天文寫在天上!現在的工作是用科學、藝術和文化的角度,解讀、翻譯和傳授這本無字天書,期望透過淺顯易懂的方式介紹天文的美好!

0

0
0

文字

分享

0
0
0
如何運用 Google AI的機器學習,發現新的系外行星 Kepler-90i ?
PanSci_96
・2017/12/19 ・1966字 ・閱讀時間約 4 分鐘 ・SR值 476 ・五年級

  • 作者| Chris Shallue,Google人工智慧研究員 / Andrew Vanderburg,德州大學奧斯汀分校天文學家

幾千年來,人們仰望星星,記錄、觀察天文現象,並從中發現其運行模式。第一批天文學家所認定的天體是行星,由於行星在夜空中看似不規則的移動,因此也被希臘人稱之為「planētai」或「漫遊者 (wanderers)」。經過幾個世紀以來的研究,人們已經了解太陽系的運行模式,是地球和其他行星圍繞著太陽公轉,而太陽是一個恆星,就如同我們肉眼所看見會發光的星星一樣。

Image credit: NASA

如今,在望遠鏡光學(telescope optics)、太空飛行、數位相機和電腦等技術的幫助下,我們得以將對宇宙的了解擴展到太陽系之外,偵測並探究其他恆星周圍的行星。這些圍繞在其他恆星周圍的行星也稱之為「系外行星(exoplanet)」,而研究系外行星能幫助我們更深入探索宇宙與人類的奧秘。太陽系之外的宇宙是什麼樣子呢?外太空還有像太陽系一樣的其他行星恆星嗎?

雖然技術的進步有助於我們探索宇宙,但尋找系外行星仍不容易。與火熱的恆星相比,系外行星是冷的、小的、沒有光亮的,這就像要從幾千英里的地方,看見探照燈旁邊飛來的螢火蟲一樣困難。

-----廣告,請繼續往下閱讀-----

不過藉助機器學習(Machine Learning),我們在最近有了一些新的進展。

克卜勒任務與 Google AI 的相遇

天文學家搜尋系外行星的方式,其中一個是分析來自NASA 克卜勒任務(Kepler Mission)中的大量資料數據,並透過自動化軟體和手動方式來執行。克卜勒任務用了四年的時間觀察近20萬顆恆星,每30分鐘拍一次照片,並創造了近140億個資料點。這140億個資料點相當於大約2千兆個可能的行星軌道。這個龐大的資料量即使用最強大的電腦來分析也是非常耗時、費力的。為了讓這個分析的過程可以更有效率,我們導入機器學習來加速分析時程。

圖/Google台灣

凌星法是指,當一顆運行中的行星擋住了恆星的光線時,恆星的亮度會減小。我們以此概念為基礎,將其特徵訊號用來辨識周圍運行的行星,並運用克卜勒天文望遠鏡,在四年之間觀察並分析了20萬顆恆星的亮度。

機器學習能夠訓練電腦認識運作模式,而這對於分析大量數據來說尤其有用。機器學習技術的重點在於讓電腦從範例中學習,而不是透過編寫特定的規則。

我是Google人工智慧團隊的機器學習研究員,對於宇宙的世界相當感興趣。因此,我善用「20%計畫」(在Google,你可以利用20%的時間來做你喜歡或感興趣的事情)來開始執行這個專案。我和德州大學奧斯汀分校的天文學家 Andrew 接洽,共同執行這個專案。我們將機器學習技術應用在宇宙探索,並教導機器學習系統如何識別遙遠恆星周圍的行星。

我們利用超過 15,000 個被標記的克卜勒訊號,創造一個 TensorFlow 模組來辨別行星與非行星。為此,這個模型必須能辨認出真正的行星所形成的圖像,與其他天體如 星斑(starspots)雙星(binary stars)所形成的圖像。當我們讓 TensorFlow 模組辨識從未見過的訊號時,它能以96%的準確率辨認出哪些訊號是行星,哪些是非行星。因此,我們知道這個模組成功了!

克卜勒90i,發現!

有了可行的模組後,我們拍攝恆星,並利用這個模組在克卜勒數據中尋找新的行星。為了縮小搜尋範圍,我們研究了 670個已知可容納兩顆或更多的系外行星的恆星。在這樣的過程中,我們發現兩顆新行星:克卜勒80g 和克卜勒90i。其中值得注意的是,克卜勒90i 是第八個被發現圍繞著克卜勒90的行星,這使它成為除了太陽系之外,第一個已知的八大行星系統。

圖/Google台灣

我們利用15,000個被標示的克卜勒訊號,來訓練機器學習模組去辨認行星訊號,並利用這個模組,從670顆恆星的數據中發現新的行星,且成功發現了兩個先前被忽略的行星。

另外也發現了一些有趣的事:這個行星比地球大了30%;擁有大約華氏800度的地表溫度,絕對不是你下一趟旅行的好選擇;它以14天的週期繞著恆星公轉,這代表你每兩個星期就會過一次生日喔。

圖/Google台灣

克卜勒 90是太陽系以外第一個已知的八大行星系統。在這個星系中,行星運行的軌道更靠近恆星,而克卜勒90i每14天公轉一次。(請注意,行星的大小,以及行星與恆星的距離不在測量範圍內。)

當我們運用科技來嘗試了解宇宙時,會以為已經可以一窺一二,但其實不然。目前為止,我們只用TensorFlow 模組搜尋了20萬個恆星當中的670個,而克卜勒的數據中可能還有更多系外行星尚未被發現,未來機器學習的新思維和技術將能幫助人類進行宇宙探索,發現更多未知的領域!

-----廣告,請繼續往下閱讀-----
PanSci_96
1262 篇文章 ・ 2418 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。