«Различные типы молекул поглощают и излучают свет на определенных длинах волн, внедряя уникальный узор линий в электромагнитный спектр», — пояснил д-р Вальдманн, возглавляющий команду разработчиков RobERt. «Мы можем взять свет, который был отфильтрован через атмосферу экзопланеты или отражен от ее верхушек облаков, разделить его, как радуга, и затем выделить« отпечатки пальцев », связанные с различными молекулами или газами. Человеческий мозг действительно хорош в этом. найти эти закономерности в спектрах и пометить их на основании опыта, но это действительно трудоемкая работа, и в ней будут собираться огромные объемы данных.Мы создали RobERt, чтобы самостоятельно учиться на примерах и опираться на собственный опыт. Таким образом, как опытный астроном или детектив, Роберт хорошо понимает, какие молекулы находятся внутри спектра и какие данные являются наиболее многообещающими для более детального анализа.
Но то, что обычно занимает дни или недели, Роберт занимает всего несколько секунд ".Нейронные сети глубокого убеждения, или DBN, были разработаны более десяти лет назад и обычно используются для распознавания речи, поиска в Интернете и отслеживания поведения клиентов. DBN Роберта имеет три уровня единичных процессоров или «нейронов». Информация подается на нижний уровень из 500 нейронов, которые создают начальный фильтр данных и передают подмножество на второй уровень.
Здесь 200 нейронов уточняют выбор и передают данные на третий слой из 50 нейронов, чтобы окончательно идентифицировать присутствующие газы.Чтобы подготовить РобЕРта к его вызову, Вальдманн и его коллеги из UCL создали в общей сложности 85 750 смоделированных спектров, охватывающих пять различных типов экзопланет, начиная от GJ1214b, потенциальной «океанской планеты», до WASP-12, горячего Юпитера, вращающегося очень близко к нему. звезда.
Каждый спектр в обучающей выборке содержал отпечаток одного вида газа. Прогресс в обучении РобЕРта периодически проверялся во время тренировки с помощью «контрольных» спектров.
В конце фазы обучения RobERt имел точность распознавания 99,7%.«RobERt научился учитывать такие факторы, как шум, ограниченный диапазон длин волн и смеси газов», — сказал Вальдманн. «Он может выделить такие компоненты, как вода и метан, в смешанной атмосфере с высокой вероятностью, даже если входные данные поступают из ограниченных диапазонов волн, которые предоставляет большинство космических инструментов, и когда они содержат перекрывающиеся элементы».DBN Роберта также можно перевернуть, чтобы вместо анализа данных, вводимых в систему, он мог войти в «состояние сновидения», в котором он может генерировать полные спектры на основе своего опыта.
«Роботы действительно мечтают. Мы можем попросить Роберт придумать, как, по его мнению, будет выглядеть спектр воды, и он оказался очень точным», — сказал Вальдманн. «Эта способность сновидения была очень полезна при попытке идентифицировать особенности в неполных данных. Роберт может использовать свое состояние сна, чтобы заполнить пробелы.
Космический телескоп Джеймса Уэбба, запуск которого запланирован на 2018 год, расскажет больше об атмосферах экзопланет. , и в течение следующего десятилетия появятся новые объекты, такие как Twinkle или ARIEL, которые специально предназначены для описания атмосфер экзопланет. Объем данных, которые предоставят эти миссии, будет захватывающим. RobERt будет играть неоценимую роль в помощи нам в анализе данные из этих миссий и узнайте, каковы на самом деле эти далекие миры ».