开普勒-90 i

开普勒-90 i经过哪些验证才被确认为行星？

研究人员重新搜索了670颗已知拥有行星的恒星的Kepler数据，寻找新的凌日信号，并筛出513个符合基本条件的信号。神经网络给i的信号打出0.942分，将它列为优先检查的候选。之后，研究人员分别检查了信号来自哪颗恒星、是否由仪器误差造成，以及互相绕转的两颗恒星是否可能制造出类似行星的信号。他们先算出把该信号误判为行星的概率为0.5%；再加入这颗恒星已经拥有七颗已知行星这一条件后，误判概率降到0.01%以下，i由此通过了行星的统计验证。

• 670颗 为寻找新凌日信号而重新调查的恒星数量
• 513个 通过基本筛选并由神经网络排列检查顺序的信号数量
• 0.942 神经网络给i候选信号的分数
• 低于0.01% 纳入所有条件后把i误判为行星的概率

从670颗恒星中找出513个候选信号的过程

Kepler在四年间记录的星光里，同时包含七颗已知行星的凌日、仪器噪声和恒星自身的亮度变化。研究人员先减去已知凌日，再对670个多行星系统运行另一套搜索程序，寻找按固定间隔变暗的模式。他们排除了完整凌日少于三次、持续时间在物理上短得不合理等信号。经过这些基本筛选后，仍有513个“待检查信号”。

这个阶段留下的信号并不全是行星。航天器的微小误差、恒星自身的变化，以及两颗互相绕转的恒星彼此遮挡，都可能形成相似的重复信号。神经网络把513个信号按形状与行星凌日的相似程度排序，让研究人员先检查最像行星的信号。其中30个信号得分超过0.5，9个超过0.8，而每14.449天重复一次的Kepler-90信号得到0.942分。

人工智能决定先检查513个信号中的哪一些。信号是否来自行星，则由研究人员另外检查它的位置、仪器误差和双星解释后判断。

为什么0.942分不等于它是行星的概率？

神经网络使用大约1.5万个已由人类标记为行星信号或误检的Kepler信号进行训练。输入信息包括一个完整轨道周期里的亮度变化，以及放大后的凌日局部形状。在没有用于训练的1,523个测试信号中，它正确分类了约96%。它的AUC为0.988；这个指标衡量模型能否把行星信号排在误检信号之前。

AUC 0.988的意思是：从测试数据中各取一个行星信号和一个误检信号时，模型有98.8%的情况会给行星信号更高的分数。这不等于开普勒-90 i本身有98.8%的概率是行星。i得到的0.942也只是同一神经网络内部用来排列候选检查顺序的分数，并不是纳入所有可能错误后的最终行星概率。

输入神经网络的数据不包含信号来自图像中哪个像素的位置信息。模型也会给背景恒星上的凌日和部分双星信号较高分数。因此，即使分数很高，仍然必须单独验证。

信号会不会来自其他恒星或观测仪器？

研究人员首先直接查看每14.449天重复一次的亮度下降。他们检查被遮挡的星光量是否随观测时期改变，以及信号是否与其他仪器变化在同一时刻重复。还检查了凌日发生时哪些像素变暗。如果变暗的位置发生偏移，信号就可能不是来自Kepler-90，而是来自与它在视线上重叠的附近恒星。

研究人员还利用地面望远镜的高分辨率图像，寻找Kepler看成一个光点的区域里是否藏有明亮伴星。他们检查主要亮度下降之间有没有较浅的第二次下降，以缩小双星解释的可能性。用不同方法校正仪器变化后，信号仍然存在，因此他们判断这个重复现象来自真实天体，而不是航天器误差。

1. 搜索 从670颗恒星中减去已知行星信号，寻找重复变暗并留下513个信号。
2. 排序 神经网络查看完整周期和放大的凌日形状，给i候选信号0.942分。
3. 额外检查 检查像素位置、仪器误差、第二次亮度下降和高分辨率图像。
4. 统计验证 计算各种双星解释和已知多行星系统这一条件，把误检概率降到0.01%以下。
5. 行星参数 由通过验证的凌日得到14.449天的轨道周期和地球1.32倍的半径，但质量和内部物质仍未知。

把它误认作行星的概率为何从0.5%降到0.01%以下？

研究人员使用名为vespa的验证工具，把开普勒-90 i的凌日形状与几种解释比较：真实行星造成的凌日、围绕Kepler-90互相绕转的两颗恒星，以及背景中互相绕转的两颗恒星。计算还纳入了恒星性质、高分辨率图像可能漏掉的伴星亮度范围，以及未发现第二次亮度下降的程度。结果显示，非行星天体制造该信号的概率约为0.005，也就是0.5%。这已经低于统计验证Kepler行星时常用的1%标准。

研究人员又加入了同一颗恒星前已经有七颗行星经过这一信息。如果一颗恒星拥有多个类似行星的信号，那么新增信号只是偶然误检的可能性通常低于孤立信号。加入这种“多行星性”信息后，误检概率降到0.0001以下，也就是0.01%以下，i由此被验证为行星。但这不是用行星引力测得质量，也不是另一台望远镜独立观测到凌日。研究人员是把已知其他原因造成该信号的概率降得足够低，从而完成统计验证。

仅凭凌日信号能了解到什么程度？

i的凌日每14.44912±0.00020天重复一次，持续约2.80±0.31小时。根据它遮挡的星光量和中心恒星的半径，研究人员算出i的半径是地球的1.32±0.21倍。如果它与其他行星处在同一平面并沿圆形轨道运行，凌日预计会持续约5小时，但实际时间更短。研究人员提出，i的轨道可能比另外七颗行星稍微倾斜，因此从更靠近恒星边缘的位置经过。

较小的半径让它更可能是一颗富含岩石的行星，但并没有测出质量、平均密度或是否存在大气。目前NASA面向公众的行星卡片显示约2.3个地球质量，但发现论文没有测量质量，Exoplanet Archive的默认研究记录也把质量留空。因此，不能把2.3当作独立的引力测量值，更不能用它确定行星组成。

发现研究给出的709±75K，即约436±75摄氏度，也只是计算值。计算假设热量均匀分布到整颗行星，并假设行星反射0%到70%的星光。它不是实测的表面或大气温度，也没有观测到云。i因为是第八颗被发现的行星而得到最后一个字母，但按离恒星的距离排列，它是继b和c之后的第三颗。

本页显示的颜色和表面是帮助理解的插图，不是观测照片。Kepler无法把i拍成与恒星分开的圆盘。目前真正测得的是重复凌日的时间和持续时长、被遮挡的星光量，以及误检分析的结果。

人工智能确定审查顺序，研究人员确认它是否为行星

开普勒-90 i的凌日信号并不是2017年新观测到的，它早已存在于Kepler数据中。新的部分是重新寻找微弱重复信号的搜索方法、为513个候选安排检查顺序的神经网络，以及检查信号位置、双星解释和仪器误差的验证程序。任何一个步骤都不足以单独认定i是行星。

在这个案例中，人工智能没有取代天文学家作出结论。它只是在规模大到人类无法同样仔细检查每个候选的数据中，决定先查看哪些信号。要重复验证同一结果，必须同时记录搜索方法怎样产生候选、神经网络分数表示什么，以及最终判断使用了哪些独立信息。

来源

• The Astronomical Journal — Deep-Learning Search and Statistical Validation of Kepler-90 i
• NASA — Artificial Intelligence and the Eighth Kepler-90 Planet
• NASA Exoplanet Archive — Kepler-90 i Published Parameters
• NASA Exoplanet Archive — Planet Parameter and Mass-Provenance Definitions
• The Astrophysical Journal — Vespa False-Positive Probabilities and Statistical Validation
• Publications of the Astronomical Society of the Pacific — Kepler Data-Validation Tests
• NASA Science — Kepler Mission and Transit Data