Treffe RobERt, den Traumdetektiv für Exoplanetenatmosphären

Anonim

Maschinenlehrtechniken, die menschliche Erkennungs- und Traumprozesse nachahmen, werden auf der Suche nach bewohnbaren Welten jenseits unseres Sonnensystems eingesetzt. Ein tiefgründiges neurales Netzwerk namens RobERt (Robotic Exoplanet Recognition) wurde von Astronomen der UCL entwickelt, um Lichtdetektionen aus fernen Planetensystemen zu untersuchen und spektrale Informationen über die in den Exoplaneten vorhandenen Gase zu gewinnen. RobERt wird am Dienstag, 28. Juni, auf dem National Astronomy Meeting (NAM) 2016 in Nottingham von Dr. Ingo Waldmann vorgestellt.

"Verschiedene Arten von Molekülen absorbieren und emittieren Licht bei bestimmten Wellenlängen, indem sie ein einzigartiges Linienmuster in das elektromagnetische Spektrum einbetten", erklärt Dr. Waldmann, der das Entwicklungsteam von RobERt leitet. "Wir können Licht aufnehmen, das durch die Atmosphäre eines Exoplaneten gefiltert oder von seinen Wolkenspitzen reflektiert wurde, es wie einen Regenbogen aufspalten und dann den" Fingerabdruck "der mit den verschiedenen Molekülen oder Gasen assoziierten Merkmale herausgreifen Diese Muster in Spektren zu finden und sie aus Erfahrung zu benennen, aber es ist ein sehr zeitaufwendiger Job und es wird riesige Datenmengen geben.

Wir haben RobERt gebaut, um eigenständig von Beispielen zu lernen und auf seinen eigenen Erfahrungen aufzubauen. Auf diese Weise hat Rowert wie ein erfahrener Astronom oder Detektiv ein gutes Gefühl dafür, welche Moleküle innerhalb eines Spektrums liegen und welche die vielversprechendsten Daten für eine detailliertere Analyse sind. Aber was normalerweise Tage oder Wochen in Anspruch nimmt, dauert nur Sekunden. "

Deep-Faith-Neuronale Netze, oder DBNs, wurden vor mehr als einem Jahrzehnt entwickelt und werden üblicherweise für Spracherkennung, Internetsuche und das Verfolgen des Kundenverhaltens verwendet. Roberts DBN hat drei Schichten von Einheitsprozessoren oder "Neuronen". Informationen werden in eine unterste Schicht von 500 Neuronen eingegeben, die einen anfänglichen Filter der Daten machen und eine Teilmenge bis zur zweiten Schicht weiterleiten. Hier verfeinern 200 Neuronen die Selektion und leiten Daten bis zu einer dritten Schicht von 50 Neuronen weiter, um die endgültige Identifizierung der am wahrscheinlichsten vorhandenen Gase zu ermöglichen.

Um RobReT auf seine Herausforderung vorzubereiten, erstellten Waldmann und seine Kollegen am UCL insgesamt 85.750 simulierte Spektren, die fünf verschiedene Arten von Exoplaneten von GJ1214b, einem potenziellen "Ozeanplaneten", bis hin zu WASP-12, einem heißen Jupiter, der sehr nahe an seinem liegt, abdecken Star. Jedes Spektrum im Trainingssatz enthielt den Fingerabdruck einer einzelnen Gasspezies. Roberts Lernfortschritt wurde in Intervallen während des Trainings mit Kontrollspektren getestet. Am Ende der Trainingsphase hatte RobERt eine Erkennungsgenauigkeit von 99, 7%.

"RobERt hat gelernt, Faktoren wie Lärm, eingeschränkte Wellenlängenbereiche und Gasgemische zu berücksichtigen", sagt Waldmann. "Er kann Komponenten wie Wasser und Methan in einer gemischten Atmosphäre mit hoher Wahrscheinlichkeit auswählen, selbst wenn der Input aus den begrenzten Wellenbereichen kommt, die die meisten Weltrauminstrumente bieten, und wenn sie überlappende Merkmale enthält."

RobBERts DBN kann auch umgekehrt werden, so dass er statt in das System eingespeister Daten in einen "Traumzustand" eintreten kann, in dem er basierend auf seinen Erfahrungen vollständige Spektren erzeugen kann.

"Roboter träumen wirklich. Wir können RobERT bitten, sich vorzustellen, wie ein Wasserspektrum aussehen wird, und er hat sich als sehr genau erwiesen", sagte Waldmann. "Diese Fähigkeit des Träumens war sehr nützlich, um Merkmale in unvollständigen Daten zu identifizieren. RobERt kann seinen Traumzustand nutzen, um die Lücken zu füllen. Das Weltraumteleskop James Webb, das 2018 starten soll, wird mehr über die Atmosphären von Exoplaneten erzählen In den nächsten zehn Jahren werden neue Einrichtungen wie Twinkle oder ARIEL online gehen, die speziell auf die Charakterisierung der Atmosphären von Exoplaneten zugeschnitten sind, und die Menge an Daten, die diese Missionen liefern wird, wird atemberaubend sein.RobERT wird eine unschätzbare Rolle bei der Analyse spielen Daten von diesen Missionen und finde heraus, wie diese fernen Welten wirklich sind. "

menu
menu