根据真实的天文观测数据进行训练的人工智能（AI）系统现在已经超越了天文学家，通过过滤大量的数据来发现新的爆炸星，识别新类型的星系，并检测大质量恒星的合并，提高了世界上最古老科学的新发现率。但是加州大学伯克利分校的天文学家们发现，一种人工智能算法可以揭示更深层次的东西：隐藏在广义相对论所产生的复杂数学中的未被发现的联系–特别是该理论如何被应用于寻找其他恒星周围的新行星。
在5月23日发表在《自然-天文学》杂志上的一篇论文中，研究人员描述了一种人工智能算法是如何在此类行星系统经过背景恒星前方并短暂地使其变亮时，为更快地探测到系外行星而开发的–这一过程被称为引力微透镜–发现现在用于解释这些观测的几十年前的理论是非常不完整的。
1936年，阿尔伯特·爱因斯坦用他的广义相对论的新理论展示了来自遥远恒星的光线如何被前景恒星的引力所弯曲，不仅使它在地球上看到的时候变亮，而且常常把它分成几个光点，或者把它扭曲成一个环，现在称为爱因斯坦环。这类似于一个手摇镜头可以聚焦和强化来自太阳的光线的方式。
但是当前景物体是一颗带有行星的恒星时，随着时间的推移而变亮的情况–光曲线–就比较复杂了。更重要的是，往往有多个行星轨道可以同样解释一个给定的光曲线–所谓的退化。这就是人类简化了数学，而忽略了大局。
然而，人工智能算法指出了一种数学方法，在解释望远镜在微透镜期间检测到的东西时，可以统一这两种主要的退化现象，表明这两种“理论”实际上是一个更广泛的理论的特例，研究人员承认，这个理论可能仍然不完整。
“我们之前开发的机器学习推理算法让我们发现了一些关于支配两个大质量物体的光弯曲的一般相对论效应的新的和基本的东西，”Joshua Bloom在去年将论文上传到预印本服务器arXiv时在一篇博文中写道。Bloom是加州大学伯克利分校的天文学教授和系主任。
他将加州大学伯克利分校研究生张克明的发现与Google的人工智能团队DeepMind最近在两个不同的数学领域之间建立的联系相比较。综合来看，这些例子表明，人工智能系统可以揭示出人类错过的基本关联。
“我认为，它们构成了人工智能被用来直接产生数学和天文学的新理论见解的第一次，如果不是第一次的话，”Bloom说。“正如史蒂夫-乔布斯建议计算机可以成为头脑的自行车一样，我们一直在寻求一个人工智能框架来作为科学家的智力火箭船。”
“这是人工智能和机器学习的一个里程碑，”共同作者 Scott Gaudi强调说，他是俄亥俄州立大学的天文学教授，是利用引力微透镜发现系外行星的先驱之一。“Keming的机器学习算法发现了这一退化现象，而这一现象被该领域的专家们在数十年的数据工作中所忽略。这暗示了未来的研究在机器学习的帮助下会如何发展，这真的很令人兴奋。”
用微透镜发现系外行星
超过5000颗系外行星已经在银河系的恒星周围被发现，尽管很少有人真正通过望远镜看到它们–它们太暗了。大多数被探测到是因为它们在其宿主恒星的运动中产生了多普勒摆动，或者是因为当它们在宿主恒星前面穿过时，宿主恒星的光线略微变暗–这就是NASA开普勒任务的重点。通过第三种技术，即微透镜，已经发现了100多个。
美国宇航局的南希·格雷斯·罗曼太空望远镜计划于2027年发射，其主要目标之一是通过微透镜发现更多的系外行星。这项技术比多普勒和凌日技术更有优势，因为它可以探测到低质量的行星，包括地球大小的行星，这些行星远离它们的恒星，距离相当于我们太阳系中的木星或土星。
研究人员两年前就着手开发一种人工智能算法，以更快地分析微光数据，确定这些行星系统的恒星和行星质量，以及这些行星与恒星的轨道距离。这样的算法将加快对罗曼望远镜可能探测到的数十万个事件的分析，以找到1%或更少的由系外行星系统引起的事件。
然而，天文学家们遇到的一个问题是，观察到的信号可能是模糊的。当一颗孤独的前景星从背景星前面经过时，背景星的亮度会平稳地上升到一个峰值，然后对称地下降到它原来的亮度。这在数学上和观测上都很容易理解。
但是，如果前景恒星有一颗行星，那么这颗行星就会在恒星造成的峰值内产生一个单独的亮度峰值。当试图重建产生信号的系外行星的轨道配置时，广义相对论通常允许两个或更多所谓的退化解，所有这些都可以解释观察结果。
Gaudi说，到目前为止，天文学家一般都是以简单化和人为的不同方式来处理这些退行性问题。如果遥远的星光靠近恒星，观测结果可以被解释为该行星的宽轨道或近轨道–天文学家通常可以用其他数据来解决这一模糊问题。第二种类型的退化发生在背景星光经过行星附近时。然而，在这种情况下，行星轨道的两种不同的解决方案通常只有轻微的不同。
根据Gaudi的说法，双体引力微光的这两种简化方案通常足以确定真实的质量和轨道距离。事实上，在去年发表的一篇论文中，Bloom、Gaudi、张克明和另外两位加州大学伯克利分校的合著者，天文学教授Jessica Lu和研究生Casey Lam，描述了一种新的人工智能算法，完全不依赖这些解释的知识。该算法大大加快了对微光观测的分析，在几毫秒内提供结果，而不是几天，并大大减少了计算机的运算量。
然后，张克明在数百个可能的恒星和系外行星轨道配置的微光曲线上测试了新的人工智能算法，并发现了一些不寻常的东西：还有其他一些模糊的地方，这两种解释没有考虑到。他得出结论，对微光的常用解释实际上只是一个更广泛的理论的特例，该理论解释了微光事件中的所有各种模糊性。
“以前的两种退化理论处理的是背景恒星似乎靠近前景恒星或前景行星的情况，”张克明说。“人工智能算法不仅向我们展示了这两种情况的数百个例子，而且还展示了恒星没有经过靠近恒星或行星的情况，并且不能用以前的两种理论来解释。这是我们提出新的统一理论的关键。”
Gaudi起初持怀疑态度，但在张克明提出了许多前两种理论不符合观测结果而新理论符合观测结果的例子后，他开始接受了。张克明实际上看了以前二十多篇报告通过微透镜发现系外行星的论文的数据，发现在所有情况下，新理论比以前的理论更符合数据。
Gaudi说：“人们看到了这些微透镜事件，它们实际上表现出了这种新的退化现象，但只是没有意识到这一点。这真的只是机器学习在看成千上万的事件，在那里它变得不可能错过。”
张克明和Gaud已经提交了一篇新的论文，严格描述了基于广义相对论的新数学，并在不止一颗系外行星围绕一颗恒星运行的微透镜情况下探讨了该理论。
新的理论在技术上使得对微光观测的解释更加模糊，因为有更多的退化解来描述观测。但是该理论也清楚地表明，从两个角度–例如从地球和从罗曼太空望远镜的轨道–观察同一个微光事件，将更容易确定正确的轨道和质量。Gaudi说，这就是天文学家目前计划要做的事情。
“人工智能提出了一种从新的角度看透镜方程的方法，并发现了一些关于它的数学的真正深层的东西，”Bloom说。“人工智能正在成为一种新兴的工具，不仅仅是我们工具箱中的这种钝器，而是一种实际上相当聪明的东西。与克明这样的专家一起，两人能够做一些相当基本的事情。”
