資訊頻道
澳科大月球與行星科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室倪冬冬團(tuán)隊(duì)在系外行星內(nèi)部結(jié)構(gòu)領(lǐng)域取得系列突破
機(jī)器學(xué)習(xí)揭開系外行星內(nèi)部結(jié)構(gòu)之謎
近年來，隨著天文觀測(cè)技術(shù)的進(jìn)步，我們對(duì)系外行星的認(rèn)識(shí)不斷深化，探索已從發(fā)現(xiàn)轉(zhuǎn)向深入研究其內(nèi)部結(jié)構(gòu)和大氣，以尋找適宜人類居住的行星。澳門科技大學(xué)月球與行星科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室的倪冬冬副教授和趙勇助理教授研究團(tuán)隊(duì)，利用機(jī)器學(xué)習(xí)技術(shù)，在這一領(lǐng)域取得了重要突破。該團(tuán)隊(duì)的研究成果表明，混合密度網(wǎng)絡(luò)（Mixture Density Network，MDN）在預(yù)測(cè)巖石系外行星和氣態(tài)巨行星內(nèi)部結(jié)構(gòu)中具有強(qiáng)大潛力，為系外行星研究帶來了全新視角。
從巖石行星到氣態(tài)巨行星：機(jī)器學(xué)習(xí)應(yīng)用的初探
了解巖石系外行星的內(nèi)部結(jié)構(gòu)是研究其宜居性的重要目標(biāo)之一。行星的核心熱狀態(tài)及表面水含量等因素直接決定其宜居條件。傳統(tǒng)上，研究人員使用質(zhì)量-半徑曲線來推斷行星的內(nèi)部結(jié)構(gòu)，但這種方法存在簡(jiǎn)并性且計(jì)算復(fù)雜耗時(shí)。該團(tuán)隊(duì)提出了一種基于MDN的機(jī)器學(xué)習(xí)模型，通過質(zhì)量、半徑和水含量快速預(yù)測(cè)行星徑向結(jié)構(gòu)和核心熱狀態(tài)。MDN模型只需幾毫秒即可得出預(yù)測(cè)結(jié)果，極大提高了效率。
相比于巖石行星，氣態(tài)巨行星的內(nèi)部熱狀態(tài)表現(xiàn)出巨大的多樣性，面對(duì)這種挑戰(zhàn)，該團(tuán)隊(duì)利用兩層內(nèi)部結(jié)構(gòu)模型生成的數(shù)據(jù)訓(xùn)練了MDN模型，成功通過質(zhì)量、半徑和表面溫度預(yù)測(cè)0.1到10個(gè)木星質(zhì)量的氣態(tài)巨行星的總重元素質(zhì)量、固有有效溫度及核心包層邊界的溫度和壓力。這不僅擴(kuò)展了MDN模型的應(yīng)用范圍，也為理解氣態(tài)巨行星的形成過程和內(nèi)部結(jié)構(gòu)提供了新視角。
倪冬冬副教授
趙勇助理教授
研究團(tuán)隊(duì)利用MDN模型成功實(shí)現(xiàn)對(duì)巖石系外行星和氣態(tài)巨行星內(nèi)部結(jié)構(gòu)的預(yù)測(cè)，并在最新的研究中證明了MDN模型與MCMC方法預(yù)測(cè)結(jié)果的一致性，同時(shí)MDN模型具有更高的效率和易用性。
綜合觀測(cè)數(shù)據(jù)：多參數(shù)約束下的內(nèi)部結(jié)構(gòu)推斷
為了減小內(nèi)部結(jié)構(gòu)的簡(jiǎn)并程度，該團(tuán)隊(duì)探討了其他重要觀測(cè)量（如恒星耐熱元素豐度比和潮汐效應(yīng)）作為機(jī)器學(xué)習(xí)模型輸入特征的可能性，并進(jìn)一步完善了MDN模型。 在新的研究中，他們利用多個(gè)觀測(cè)參數(shù)（如行星質(zhì)量、半徑、耐熱元素豐度比Fe/(Mg + Si)、潮汐洛夫數(shù)）訓(xùn)練了新的機(jī)器學(xué)習(xí)模型，大大提高了預(yù)測(cè)行星核心熱力學(xué)環(huán)境、幔層厚度和可能水冰含量的精度。
機(jī)器學(xué)習(xí)與貝葉斯反演對(duì)比：效率與準(zhǔn)確性的平衡
貝葉斯反演算法在推斷系外行星內(nèi)部結(jié)構(gòu)方面取得了成功，但其計(jì)算復(fù)雜且耗時(shí)。該研究團(tuán)隊(duì)最新的研究結(jié)果表明，MDN機(jī)器學(xué)習(xí)模型不僅能夠快速提供內(nèi)部結(jié)構(gòu)預(yù)測(cè)，其精度在多數(shù)情況下與貝葉斯方法相當(dāng)。MDN模型展示出高效計(jì)算優(yōu)勢(shì)，對(duì)于單個(gè)行星的結(jié)構(gòu)推斷可在1秒內(nèi)完成，遠(yuǎn)快于貝葉斯方法所需的數(shù)小時(shí)或數(shù)天。此外，MDN模型適應(yīng)性強(qiáng)，一旦訓(xùn)練完畢，即使面對(duì)新的觀測(cè)數(shù)據(jù)，也能高效準(zhǔn)確地表征行星內(nèi)部結(jié)構(gòu)。
隨著詹姆斯·韋伯太空望遠(yuǎn)鏡的成功運(yùn)行，系外行星的探測(cè)精度不斷提高，新的觀測(cè)數(shù)據(jù)也不斷涌現(xiàn)。機(jī)器學(xué)習(xí)技術(shù)能夠快速解讀這些新數(shù)據(jù)，對(duì)理解系外行星的形成過程和演化歷史具有重要意義，有望進(jìn)一步揭示宇宙中潛在的宜居世界。
以上研究得到澳門科學(xué)技術(shù)發(fā)展基金（0005/2019/A1、0002/2019/APD和0048/2020/A1）、澳門科技大學(xué)教師科研基金（FRG-23-005-SSI）、國(guó)家自然科學(xué)基金優(yōu)秀青年科學(xué)基金（12022517）和中國(guó)國(guó)家航天局民用航天技術(shù)預(yù)研究項(xiàng)目（D020308和D020303）的資助。
參考文獻(xiàn)：
Yong Zhao et al., Comparison of machine-learning and bayesian inferences for the interior of rocky exoplanets with large compositional diversity, ApJS, 2024.
Yong Zhao et al., Machine-learning Inferences of the Interior Structure of Rocky Exoplanets from Bulk Observational Constraints, ApJS, 2023.
Yong Zhao and Dongdong Ni, Understanding the interior structure of gaseous giant exoplanets with machine learning techniques, A&A, 2022.
Yong Zhao and Dongdong Ni, Machine learning techniques in studies of the interior structure of rocky exoplanets, A&A, 2021.
本文僅供讀者參考，任何人不得將本文用于非法用途，由此產(chǎn)生的法律后果由使用者自負(fù)。
如因文章侵權(quán)、圖片版權(quán)和其它問題請(qǐng)郵件聯(lián)系，我們會(huì)及時(shí)處理：tousu_ts@sina.com。
打開微信，點(diǎn)擊底部的“發(fā)現(xiàn)”
使用“"掃—掃"即可將網(wǎng)頁分享至好友
舉報(bào)郵箱: Jubao@dzmg.cn 投稿郵箱：Tougao@dzmg.cn
未經(jīng)授權(quán)禁止建立鏡像，違者將依去追究法律責(zé)任
大眾商報(bào)(大眾商業(yè)報(bào)告)并非新聞媒體，不提供任何新聞采編等相關(guān)服務(wù)
Copyright ©2012-2023 dzmg.cn.All Rights Reserved
湘ICP備2023001087號(hào)-2