根據真實的天文觀測數據進行訓練的人工智能（AI）系統現在已經超越了天文學家，通過過濾大量的數據來發現新的爆炸星，識別新類型的星系，並檢測大質量恆星的合併，提高了世界上最古老科學的新發現率。但是加州大學伯克利分校的天文學家們發現，一種人工智能算法可以揭示更深層次的東西：隱藏在廣義相對論所產生的複雜數學中的未被發現的聯繫–特別是該理論如何被應用於尋找其他恆星周圍的新行星。

在5月23日發表在《自然-天文學》雜誌上的一篇論文中，研究人員描述了一種人工智能算法是如何在此類行星系統經過背景恆星前方並短暫地使其變亮時，為更快地探測到系外行星而開發的–這一過程被稱為引力微透鏡–發現現在用於解釋這些觀測的幾十年前的理論是非常不完整的。

1936年，阿爾伯特·愛因斯坦用他的廣義相對論的新理論展示了來自遙遠恆星的光線如何被前景恆星的引力所彎曲，不僅使它在地球上看到的時候變亮，而且常常把它分成幾個光點，或者把它扭曲成一個環，現在稱為愛因斯坦環。這類似於一個手搖鏡頭可以聚焦和強化來自太陽的光線的方式。

但是當前景物體是一顆帶有行星的恆星時，隨著時間的推移而變亮的情況–光曲線–就比較複雜了。更重要的是，往往有多個行星軌道可以同樣解釋一個給定的光曲線–所謂的退化。這就是人類簡化了數學，而忽略了大局。

然而，人工智能算法指出了一種數學方法，在解釋望遠鏡在微透鏡期間檢測到的東西時，可以統一這兩種主要的退化現象，表明這兩種“理論”實際上是一個更廣泛的理論的特例，研究人員承認，這個理論可能仍然不完整。

“我們之前開發的機器學習推理算法讓我們發現了一些關於支配兩個大質量物體的光彎曲的一般相對論效應的新的和基本的東西，”Joshua Bloom在去年將論文上傳到預印本服務器arXiv時在一篇博文中寫道。Bloom是加州大學伯克利分校的天文學教授和系主任。

他將加州大學伯克利分校研究生張克明的發現與Google的人工智能團隊DeepMind最近在兩個不同的數學領域之間建立的聯繫相比較。綜合來看，這些例子表明，人工智能係統可以揭示出人類錯過的基本關聯。

“我認為，它們構成了人工智能被用來直接產生數學和天文學的新理論見解的第一次，如果不是第一次的話，”Bloom說。“正如史蒂夫-喬布斯建議計算機可以成為頭腦的自行車一樣，我們一直在尋求一個人工智能框架來作為科學家的智力火箭船。”

“這是人工智能和機器學習的一個里程碑，”共同作者Scott Gaudi強調說，他是俄亥俄州立大學的天文學教授，是利用引力微透鏡發現系外行星的先驅之一。“Keming的機器學習算法發現了這一退化現象，而這一現像被該領域的專家們在數十年的數據工作中所忽略。這暗示了未來的研究在機器學習的幫助下會如何發展，這真的很令人興奮。”

用微透鏡發現系外行星

超過5000顆系外行星已經在銀河系的恆星周圍被發現，儘管很少有人真正通過望遠鏡看到它們–它們太暗了。大多數被探測到是因為它們在其宿主恆星的運動中產生了多普勒擺動，或者是因為當它們在宿主恆星前面穿過時，宿主恆星的光線略微變暗–這就是NASA開普勒任務的重點。通過第三種技術，即微透鏡，已經發現了100多個。

美國宇航局的南希·格雷斯·羅曼太空望遠鏡計劃於2027年發射，其主要目標之一是通過微透鏡發現更多的系外行星。這項技術比多普勒和凌日技術更有優勢，因為它可以探測到低質量的行星，包括地球大小的行星，這些行星遠離它們的恆星，距離相當於我們太陽系中的木星或土星。

研究人員兩年前就著手開發一種人工智能算法，以更快地分析微光數據，確定這些行星系統的恆星和行星質量，以及這些行星與恆星的軌道距離。這樣的算法將加快對羅曼望遠鏡可能探測到的數十萬個事件的分析，以找到1%或更少的由系外行星系統引起的事件。

然而，天文學家們遇到的一個問題是，觀察到的信號可能是模糊的。當一顆孤獨的前景星從背景星前面經過時，背景星的亮度會平穩地上升到一個峰值，然後對稱地下降到它原來的亮度。這在數學上和觀測上都很容易理解。

但是，如果前景恆星有一顆行星，那麼這顆行星就會在恆星造成的峰值內產生一個單獨的亮度峰值。當試圖重建產生信號的系外行星的軌道配置時，廣義相對論通常允許兩個或更多所謂的退化解，所有這些都可以解釋觀察結果。

Gaudi說，到目前為止，天文學家一般都是以簡單化和人為的不同方式來處理這些退行性問題。如果遙遠的星光靠近恆星，觀測結果可以被解釋為該行星的寬軌道或近軌道–天文學家通常可以用其他數據來解決這一模糊問題。第二種類型的退化發生在背景星光經過行星附近時。然而，在這種情況下，行星軌道的兩種不同的解決方案通常只有輕微的不同。

根據Gaudi的說法，雙體引力微光的這兩種簡化方案通常足以確定真實的質量和軌道距離。事實上，在去年發表的一篇論文中，Bloom、Gaudi、張克明和另外兩位加州大學伯克利分校的合著者，天文學教授Jessica Lu和研究生Casey Lam，描述了一種新的人工智能算法，完全不依賴這些解釋的知識。該算法大大加快了對微光觀測的分析，在幾毫秒內提供結果，而不是幾天，並大大減少了計算機的運算量。

然後，張克明在數百個可能的恆星和系外行星軌道配置的微光曲線上測試了新的人工智能算法，並發現了一些不尋常的東西：還有其他一些模糊的地方，這兩種解釋沒有考慮到。他得出結論，對微光的常用解釋實際上只是一個更廣泛的理論的特例，該理論解釋了微光事件中的所有各種模糊性。

“以前的兩種退化理論處理的是背景恆星似乎靠近前景恆星或前景行星的情況，”張克明說。“人工智能算法不僅向我們展示了這兩種情況的數百個例子，而且還展示了恆星沒有經過靠近恆星或行星的情況，並且不能用以前的兩種理論來解釋。這是我們提出新的統一理論的關鍵。”

Gaudi起初持懷疑態度，但在張克明提出了許多前兩種理論不符合觀測結果而新理論符合觀測結果的例子後，他開始接受了。張克明實際上看了以前二十多篇報告通過微透鏡發現系外行星的論文的數據，發現在所有情況下，新理論比以前的理論更符合數據。

Gaudi說：“人們看到了這些微透鏡事件，它們實際上表現出了這種新的退化現象，但只是沒有意識到這一點。這真的只是機器學習在看成千上萬的事件，在那裡它變得不可能錯過。”

張克明和Gaud已經提交了一篇新的論文，嚴格描述了基於廣義相對論的新數學，並在不止一顆系外行星圍繞一顆恆星運行的微透鏡情況下探討了該理論。

新的理論在技術上使得對微光觀測的解釋更加模糊，因為有更多的退化解來描述觀測。但是該理論也清楚地表明，從兩個角度–例如從地球和從羅曼太空望遠鏡的軌道–觀察同一個微光事件，將更容易確定正確的軌道和質量。Gaudi說，這就是天文學家目前計劃要做的事情。

“人工智能提出了一種從新的角度看透鏡方程的方法，並發現了一些關於它的數學的真正深層的東西，”Bloom說。“人工智能正在成為一種新興的工具，不僅僅是我們工具箱中的這種鈍器，而是一種實際上相當聰明的東西。與克明這樣的專家一起，兩人能夠做一些相當基本的事情。”