用機器學習發現新行星，Google 這樣做

在新科技輔助下，人類對宇宙的了解擴展到太陽系之外，可偵測並探究其他恆星周圍的行星。雖然探索行星並不容易，但 Google 藉助機器學習（Machine Learning），最近取得一些進展。

Google 日前在官方部落格發文指出，天文學家搜尋系外行星的主要方式，是分析來自 NASA（美國太空總署）克卜勒任務中的大量資料數據，並透過自動化軟體和手動方式來執行。

克卜勒任務用了 4 年的時間觀察近 20 萬顆恆星，每 30 分鐘拍一次照片，創造了近 140 億個資料點；這 140 億個資料點相當於約 2,000 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非常耗時、費力。為了讓這個分析的過程更有效率，Google 導入機器學習來加速分析時程。

Google 說明，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。Google 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 4 年之間觀察並分析了 20 萬顆恆星的亮度。

Google 強調，機器學習能夠訓練電腦認識運作模式，這對於分析大量數據尤其有用；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。

Google 利用 1 萬 5,000 個被標示的克卜勒訊號，來訓練 TensorFlow 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 2 個先前被忽略的行星：克卜勒 80g 和克卜勒 90i。

值得注意的是，克卜勒 90i 是第 8 個被發現圍繞克卜勒 90 的行星，這使它成為除了太陽系之外，第一個已知的 8 大行星系統。

Google 表示，目前為止只用 TensorFlow 機器學習模組搜尋了 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。

（記者：吳家豪）