芝加哥大学的科学家构建了一个卷积神经网络来寻找小星星的耀斑。恒星的耀斑往往是致命的，一颗恒星的耀斑可以焚烧它周围的一切，包括附近任何开始形成的行星的大气层。找出这种年轻恒星爆发的频率，可以帮助科学家了解在哪里寻找宜居行星。但定位这种耀斑需要用肉眼识别数以千计的恒星亮度变化测量值即称为“光曲线”图谱来判断。美国宇航局的TESS望远镜，搭载在一颗自2018年以来一直围绕地球运行的卫星上，是专门用来搜寻系外行星的。来自遥远恒星的耀斑会出现在TESS的图像上，但传统算法很难从恒星活动的背景噪音中挑出耀斑的形状图谱。

芝加哥大学和新南威尔士大学的科学家们认为，这其实是一项非常适合机器学习的任务。他们设计了一种卷积神经网络的人工智能工具来检测恒星耀斑的明显光型，然后让它检查数千颗年轻恒星的光曲线，通过数据分析，它发现了超过23000个耀斑。

2020年10月23日，相关研究发表在《天文学杂志》和《开源软件杂志》上，该结果为人工智能在天文学中的应用提供了一个新的模式，同时也让人们更好地了解年轻恒星及其行星的演变。这些研究有助于科学家们了解在不同类型的恒星周围生存的宜居行星的几率，以及大气层是如何形成的。这可以帮助他们确定在宇宙其他地方寻找宜居行星的最可能的地方。

研究人员下一步想调整该神经网络，寻找潜伏在年轻恒星周围的行星。“目前我们只知道有十几颗比5000万年小的行星，但它们对于学习行星大气层如何演化非常有价值。”Feinstein说。

王源：Scitechdaily