年を追うごとに、ますます多くの太陽系外惑星が発見されています。さらに興味深いことに、方法論とテクノロジーの改善により、個々のシステム内でより多くの惑星を発見できるようになっています。 TRAPPIST-1として知られている赤い矮星の周りの7つの惑星系の最近の発表を考えてみましょう。当時、この発見は単一の星を周回するほとんどの太陽系外惑星の記録を確立しました。
TRAPPIST-1の上に移動します。ケプラー宇宙望遠鏡と機械学習のおかげで、Google AIとハーバードスミスソニアン宇宙物理学センター（CfA）のチームは最近、ケプラー90の遠方の星系に8番目の惑星を発見しました。ケプラー-90iとして知られているこの惑星の発見は、ケプラーのミッションデータで弱い通過信号の証拠を検出したGoogleアルゴリズムのおかげで可能になりました。
彼らの発見を説明する研究は、「ディープラーニングで太陽系外惑星を特定する：ケプラー80の周りの5つの惑星の共鳴鎖とケプラー90の周りの8つの惑星」と題され、最近オンラインで公開され、 天文ジャーナル。研究チームは、Google AIのChristopher Shallueとテキサス大学のAndrew VanderburgとCfAで構成されていました。
太陽のような星であるケプラー90は、地球からおよそ2,545光年離れたドラコ星座にあります。前述のように、以前の調査では、星の周りに7つの惑星が存在することが示されていました。これは、地球の惑星（別名：岩の多い惑星）と巨大ガスの組み合わせです。しかし、研究チームは、ケプラーのデータを検索するために作成されたGoogleアルゴリズムを使用した後、別の接近軌道惑星の信号がデータ内に潜んでいることを確認しました。
ケプラーミッションは、トランジットメソッド（別名：トランジットフォトメトリー）を使用して、明るい星の周りの惑星の存在を識別します。これは、明るさの周期的な落ち込みについて星を観測することで構成されています。これは、惑星が星の前を通過している（つまり、通過している）ことを示しています。研究のために、ShallueとVanderburgはコンピューターをトレーニングして、ケプラーによって記録された光度曲線を読み取り、トランジットの存在を判断しました。
この人工的な「ニューラルネットワーク」は、ケプラーのデータをふるいにかけ、以前は見逃されていたケプラー90の周りの惑星の存在を示す弱い通過信号を発見しました。この発見は、このシステムが私たちのものと非常によく似ていることを示しただけでなく、人工知能を使用してアーカイブデータをマイニングすることの価値も裏付けています。機械学習は以前にケプラーデータの検索に使用されていましたが、この研究は、最も弱い信号でさえ識別できることを示しています。
NASAの天体物理学部門のディレクターであるポールハーツは、最近のNASAのプレスリリースで次のように述べています。
「私たちが予想したとおり、アーカイブされたケプラーデータに潜むエキサイティングな発見があり、適切なツールやテクノロジーがそれらを発掘するのを待っています。この調査結果は、私たちのデータが革新的な研究者が今後数年間利用できる宝の山になることを示しています。」
ケプラー90iとして知られるこの新たに発見された惑星は、14.4日の周期でその星を周回する地球（1.32±0.21地球の半径）に匹敵するサイズの岩だらけの惑星です。星に非常に近いため、この惑星は709 K（436°C; 817°F）の極端な温度を経験すると信じられており、それは水星の日中の最高気温700 K（427°C; 800°F）よりも高温になります。
Shallueは、Googleの研究チームであるGoogle AIのシニアソフトウェアエンジニアとして、天文学（他の科学分野と同様）が急速に「ビッグデータ」の問題になっていることを知り、ニューラルネットワークをケプラーデータに適用するというアイデアを思いつきました。データ収集のテクノロジーがより高度になるにつれ、科学者たちは、ますます増大するサイズと複雑さのデータセットに殺到しています。 Shallueが説明したように：
「私は暇なときに、「大規模なデータセットを使って太陽系外惑星を見つける」ためのグーグルを開始し、ケプラーミッションと利用可能な巨大なデータセットについて知りました。機械学習は、人間が自分で検索できないほど多くのデータがある状況で本当に優れています。」
ケプラーミッションは、最初の4年間で、35,000の惑星通過信号からなるデータセットを蓄積しました。以前は、自動化されたテストと、場合によっては目視検査が、データ内の最も有望な信号を検証するために使用されていました。しかし、最も弱い信号はこれらの方法ではしばしば見落とされ、数十または数百の惑星さえ考慮に入れられませんでした。
これを改善するために、Shallueは、全米科学財団大学院研究員であるAndrew VanderburghとNASA Sagan Fellowであるチームを組んで、機械学習がデータをマイニングし、より多くの信号を出すことができるかどうかを確認しました。最初のステップは、Kepler系外惑星カタログから事前に吟味された15,000組の信号を使用して、通過する系外惑星を識別するニューラルネットワークをトレーニングすることでした。
テストセットでは、ニューラルネットワークが真の惑星と偽陽性を正確に96％の精度で識別しました。チームは通過信号を認識できることを示した後、既知の複数の惑星がすでに存在する670個の星系で弱い信号を検索するようにニューラルネットワークに指示しました。これらには、既知の惑星が5つあるケプラー80と、7つあったケプラー90が含まれていました。ヴァンダーバーグが示したように：
「私達はたくさんの惑星の偽陽性だけでなく、潜在的にもっと現実の惑星を手に入れました。石をふるいにかけて宝石を探すようなものです。より細かいふるいを使用すると、より多くの岩を捕らえるでしょうが、より多くの宝石を捕らえるかもしれません。」
ケプラー80の6番目の惑星は、隣接する5つの惑星と共鳴チェーンにある地球サイズの惑星であるケプラー80gとして知られています。これは、惑星が相互の重力によって非常に安定したシステムに閉じ込められたときに発生します。これは、トラピスト1の7つの惑星が経験するのと同じです。一方、ケプラー90iは、地球サイズの惑星で、水星のような条件と90bと90cの外の軌道を経験します。
将来的に、ShallueとVanderburgは、ニューラルネットワークをケプラーの15万個を超えるスターの完全なアーカイブに適用する計画を立てています。この大規模なデータセット内では、さらに多くの惑星が潜んでいる可能性が高く、すでに調査済みの多惑星システム内で引用されている可能性があります。この点で、ケプラーの使命（すでに太陽系外惑星の研究に非常に貴重なものでした）は、それが提供する多くのものを持っていることを示しました。
NASAのエイムズリサーチセンターにいるケプラーのプロジェクトサイエンティスト、ジェシードットソンは次のように述べています。
「これらの結果は、ケプラーの使命の永続的な価値を実証しています。機械学習アルゴリズムを適用するためのこの初期段階の研究など、データを見る新しい方法は、他の星の周りの惑星系の理解に大きな進歩をもたらすことを約束します。人々がそれらを見つけるのを待っているデータの最初のものがもっとあると確信しています。」
当然のことながら、太陽に似た星が8つの惑星のシステム（私たちの太陽系のような）を持つことが知られているという事実は、このシステムが地球外生命体を見つけるための良い賭けになり得るのではないかと考える人がいます。しかし、誰もが興奮し過ぎる前に、ケプラー90年代の惑星がすべて星にかなり接近して周回していることは注目に値します。地球から太陽までの距離と同じ距離で、ケプラー90hの軌道を回っています。
別の星の周りに8番目の惑星が発見されたことは、惑星の総数で太陽系に匹敵するシステムがそこにあることも意味します。たぶん、2006年のIAUの決定を再検討するときかもしれません。冥王星が「降格」されたのはご存知でしょうか。そして、私たちがそれに取り組んでいる間、おそらく私たちは、セレス、エリス、ハウメア、メイクメイク、セドナ、そして惑星の残りの部分を高速で追跡する必要があります。それ以外の場合、他にどのように記録を維持する予定ですか？
将来的には、同様の機械学習プロセスが、通過型外惑星探査衛星（TESS）やジェームズウェッブ宇宙望遠鏡（JWST）などの次世代の太陽系外惑星探査ミッションに適用される可能性があります。これらのミッションは、それぞれ2018年と2019年に開始される予定です。その間、ケプラーからさらに多くの啓示が出てくることは間違いありません！
