機器學習將是識別宜居系外行星的最佳方法之一

太陽系外行星研究領域正在發生翻天覆地的變化。迄今為止，已在3,711個行星系統中確認了4,940顆系外行星，另有8,709顆候選行星正在等待確認。

有如此多的行星可供研究以及望遠鏡靈敏度和數據分析的改進，重點正在從發現轉向表征。天體生物學家不會簡單地尋找更多的行星，而是會檢查“潛在可居住”的世界，尋找潛在的“生物特征”。

這是指與生命和生物過程相關的化學特征，其中最重要的特征之一是水。作為唯一已知的生命(我們所知道的)不存在的溶劑，水被認為是尋找生命的占卜棒。在最近的一項研究中，天體物理學家DangPham和LisaKaltenegger解釋了未來的調查(結合機器學習)如何辨別遙遠系外行星上的水、雪和云的存在。

DangPham是多倫多大學DavidA.Dunlap天文學與天體物理學系的研究生，專攻行星動力學研究。LisaKaltenegger是康奈爾大學天文學副教授、卡爾薩根研究所所長，也是世界領先的潛在宜居世界建模和大氣特征專家。

藝術家對多行星系統的印象，其中三個正在過境。信用：國家航空航天局

水是地球上所有生命所依賴的東西，因此它對系外行星和天體生物學調查非常重要。正如LisaKaltenegger通過電子郵件告訴《今日宇宙》，這種重要性反映在NASA的口號——“隨水而動”——這也啟發了他們論文的標題：

“行星表面的液態水是潛在生命的確鑿證據之一——我在這里說潛力是因為我們不知道我們還需要什么才能開始生命。但液態水是一個很好的開始。所以我們用了NASA的口號“Justfollowthewater”問，我們如何在宜居帶的巖石系外行星表面找到水?進行光譜分析需要大量時間，因此我們正在尋找一種更快的方法來初步識別有希望的行星——那些上面有液態水的行星。”

目前，天文學家僅限于尋找萊曼-α線吸收，這表明系外行星大氣中存在氫氣。這是暴露在太陽紫外線輻射下的大氣水蒸氣的副產品，導致它化學分解成氫氣和分子氧(O2)——前者丟失到太空中，而后者被保留下來。

這種情況即將改變，這要歸功于詹姆斯韋伯(JWST)、南希格雷斯羅曼(RST)和起源太空望遠鏡等下一代望遠鏡，以及可居住系外行星天文臺(HabEx)等下一代天文臺和大型紫外/光學/紅外測量儀(LUVOIR)。還有一些地面望遠鏡將在未來幾年投入使用，如超大望遠鏡(ELT)、巨型麥哲倫望遠鏡(GMT)和三十米望遠鏡(TMT)。

這位藝術家的印象展示了這顆行星繞著位于船帆座(風帆)南部的類太陽恒星HD85512運行。學分：ESO

由于它們的大型主鏡和先進的光譜儀、計時儀、自適應光學套件，這些儀器將能夠對系外行星進行直接成像研究。這包括研究直接從系外行星大氣或表面反射的光以獲得光譜，使天文學家能夠看到存在哪些化學元素。但正如他們在論文中指出的那樣，這是一個耗時的過程。

天文學家首先觀察數千顆恒星的亮度周期性下降，然后分析光曲線以尋找化學特征的跡象。目前，系外行星研究人員和天體生物學家依靠業余天文學家和機器算法來整理他們的望遠鏡獲得的大量數據。展望未來，Pham和Kaltenegger展示了更先進的機器學習將是多么重要。

正如他們所指出的，MI技術將使天文學家能夠更快地對系外行星進行初步表征，從而使天文學家能夠優先考慮目標以進行后續觀測。通過“跟隨水”，天文學家將能夠將更多的天文臺寶貴的調查時間用于更有可能提供顯著回報的系外行星。

“下一代望遠鏡將尋找行星大氣中的水蒸氣和行星表面的水，”Kaltenegger說。“當然，要在行星表面找到水，你應該尋找液態、固態和氣態的水，就像我們在論文中所做的那樣。”

系外行星HR8799e的藝術家插圖，它是使用ESO超大望遠鏡干涉儀上的GRAVITY儀器直接成像的。學分：ESO/L。卡爾薩達

“機器學習使我們能夠快速識別最佳濾波器，以及在各種信噪比下的準確度權衡，”Pham補充道。“在第一個任務中，使用[開源算法]XGBoost，我們獲得了哪些過濾器對算法在檢測水、雪或云的任務中最有幫助的排名。在第二個任務中，我們可以觀察到算法在噪聲較少的情況下表現得有多好。有了這個，我們可以畫一條線，獲得更多的信號不會對應更好的精度。”

為了確保他們的算法能夠勝任這項任務，Pham和Kaltenegger進行了一些相當大的校準。這包括創建具有各種表面成分(包括雪、水和水云)的寒冷地球的53,130個光譜剖面。然后，他們根據大氣和表面反射率模擬了這種水的光譜，并指定了顏色配置文件。正如Pham解釋的那樣：

“大氣是使用Exo-Prime2建模的——Exo-Prime2在各種任務中通過與地球的比較得到了驗證。USGS在地球上測量雪和水等表面的反射率。然后我們從這些光譜中創建顏色。我們在這些顏色上訓練XGBoost以執行三個獨立的目標：檢測水的存在、云的存在和雪的存在。”

這個訓練有素的XGBoost表明，云和雪比水更容易識別，這是可以預料的，因為云和雪的反照率(陽光的更大反射率)比水高得多。他們進一步確定了五種最適合該算法的最佳濾光片，所有濾光片的寬度均為0.2微米，并且在可見光范圍內。最后一步是進行模擬概率評估，以評估他們確定的五個最佳過濾器中關于液態水、雪和云的行星模型。

“最后，我們使用馬爾可夫鏈蒙特卡羅(MCMC)進行了簡短的貝葉斯分析，對五個最佳過濾器執行相同的任務，作為驗證我們發現的非機器學習方法，”Pham說。“我們在那里的發現是相似的：水更難檢測，但通過光度法識別水、雪和云是可行的。”

同樣，他們驚訝地發現，訓練有素的XGBoost能夠僅根據顏色識別巖石行星表面的水。根據Kaltenegger的說法，這就是過濾器的真正含義：一種將光分離到謹慎的“箱”中的方法。“想象一下所有紅光(“紅色”過濾器)的垃圾箱，然后是所有綠光的垃圾箱，從淺綠色到深綠色(“綠色”過濾器)，”她說。

他們提出的方法不是通過光度法識別系外行星大氣中的水，而是在系外行星表面識別水。此外，它不適用于凌日法(又稱凌日光度法)，這是目前最廣泛使用和最有效的系外行星探測方法。這種方法包括觀察遙遠恒星的光度周期性下降，這歸因于系外行星相對于觀察者從恒星前面經過(又名凌日)。

有時，天文學家可以在系外行星凌日時從其大氣層中獲取光譜——這一過程被稱為“凌日光譜”。當太陽光相對于觀察者穿過系外行星的大氣層時，天文學家將用光譜儀對其進行分析，以確定那里有哪些化學物質。JWST將使用其靈敏的光學元件和光譜儀套件，依靠這種方法來表征系外行星的大氣。

但正如Pham和Kaltenegger所指出的，他們的算法只適用于系外行星直接成像的反射光。考慮到通過直接成像研究獲得的光譜學可能會揭示更多關于系外行星的信息，而不僅僅是它們大氣的化學成分，這尤其是個好消息。根據Kaltenegger的說法，這為下一代任務創造了各種機會：

“這為像南希羅馬望遠鏡這樣的小型太空任務提供了機會，以幫助識別可能存在生命的世界。對于即將推出的更大的望遠鏡——正如十年調查所推薦的——它允許他們掃描宜居帶中的巖石行星以尋找最有希望的候選者——那些表面有水的行星，所以我們花時間描述最有趣的那些——和有效地在具有良好啟動條件的行星上尋找生命。”