在瑞士伯尔尼大学，空间与宜居性中心(CSH)的天体物理学家与医学技术研究人员合作开发了一种分析太阳系以外大气层光谱的新方法。

 

这次天体物理学家和医学技术研究人员的合作应用了人工智能工具来研究外行星大气层的化学成分。

 

在大多数现代科技创新中，机器学习是人工智能的一个分支，它让计算机能够在没有明确编程的情况下从数据中学习。天富平台登录

 

ARTORG生物医学工程研究中心(ARTORG Center for Biomedical Engineering Research)教授拉斐尔•斯尼特曼(Raphael Sznitman)和他的团队正在使用机器学习来控制眼部手术工具，并从图像中检测用于疾病识别的生物标记。机器学习改变了许多科学领域，在天文学中也变得无处不在，但它还没有用于研究系外行星的大气层。

 

CSH的主管Kevin Heng说:“Raphael Sznitman和他的团队观察图像的方式和天文学家分析图像的方式非常相似，我们甚至使用大致相同的技术语言。”

 

“无论是天文学还是医学技术，我们总是试图理解成像技术的缺陷，并加以改进。”

 

实用主义和现实主义

 

在天文学中，物体发出的光被分解成不同的颜色来得到光谱。一颗系外行星的光谱包含了其大气中存在的分子、物理条件和云层数量的隐藏信息。天富平台登录

 

例如，通过分析和解释光谱，天文学家可以在一颗行星的大气层中找到水，并确定其宜居性。目前的标准方法是在最符合系外行星数据的大量模型光谱中搜索，这是一个非常耗时的过程，也为人类的错误判断留下了空间。

 

CSH的一个研究小组开发了一种新的技术来简化这种方法。他们设计了一种计算大量模型网格的方法，然后将其作为机器学习过程的训练集。在这些数据的帮助下，计算机学会了从光谱中确定系外行星大气层的组成。

 

该方法是一种监督形式的机器学习，通常用于分类图像中的目标。斯尼特曼说:“根据这些数据，计算机可以了解图像中是否存在特定的物体。由于这个过程由许多这样的决策树组成，它被称为“随机森林”。

 

为了证明这种方法，天体物理学家选择了系外行星WASP-12b作为例子——一颗木星大小的行星，温度超过1000摄氏度。计算机必须在观察到的光谱中寻找模式。

 

这种合作将继续下去，并将有助于解决医疗问题。