科学家利用人工智能（AI）帮助理解年轻恒星及其行星的演化-这是在天文学中使用AI的新基准。

就像年轻人一样，年轻的明星也容易发脾气。恒星耀斑会焚化周围的一切，包括附近行星开始形成的大气。找出年轻恒星爆发的频率可以帮助科学家了解在哪里可以找到宜居行星。但是直到现在，寻找这些耀斑还需要对数千个恒星亮度变化的测量值（称为“光曲线”）进行目测。

现在，包括UNSW Sydney的Ben Montet博士在内的国际科学家团队已经使用机器学习来使搜索更快，更有效。

科学家们教授了一种神经网络——一种人工智能——来探测恒星耀斑的指示光模式。

“在神经网络的帮助下，我们能够在数千颗年轻恒星中发现超过23000个耀斑，”蒙特博士说，他是新南威尔士大学科学讲师，也是这项研究的合著者。“发现恒星耀斑——这可能对附近行星的发展造成致命威胁——可以帮助我们找到适合居住的行星。”

上周末发表在《天文杂志》和《开源软件杂志》上的这一发现，为人工智能在天文学中的应用提供了一个新的基准，也为年轻恒星及其行星的演化提供了更好的理解。

芝加哥大学研究生、论文第一作者阿迪娜·范斯坦女士说：“当我们说的年轻的星球，意思是只有100万到8亿岁的星球。这是一个特别脆弱的时期，恒星发出的耀斑很容易使收集到的任何水或大气蒸发。”

 地球大气层的重要性

地球的大气层有助于调节地球的温度，吸收有害的太阳光，并含有维持生命的成分，如氧气和二氧化碳。

美国宇航局（NASA）的TESS telescope望远镜搭载在一颗自2018年以来一直围绕地球运行的卫星上，这是专门为寻找系外行星而设计的。来自遥远恒星的耀斑会出现在望远镜的图像上，但是传统的算法很难从恒星活动的背景噪声中分辨出形状。

但是神经网络特别擅长于寻找——比如谷歌的人工智能从互联网图像中挑选猫——天文学家们也越来越多地开始利用它们来对天文数据进行分类。

费恩斯坦女士和蒙特博士与来自美国宇航局、扁平铁研究所、费米国家加速器实验室、麻省理工学院和德克萨斯大学奥斯汀分校的科学家们合作，收集了一组确定的耀斑，以训练神经网络。蒙特博士是这项研究的主要研究员，他说：“事实证明，神经网络非常善于发现小耀斑。”。

一旦研究人员对神经网络的性能感到满意，他们就将其应用于超过3200颗恒星的分析。

他们发现像我们的太阳这样的恒星只有很少的耀斑，而这些耀斑似乎在大约5000万年后就会减弱。

范斯坦女士说：“这有利于培育行星大气——更平静的恒星环境意味着大气更有可能存活。”。相比之下，被称为红矮星的较冷恒星往往更频繁地耀斑。

她说：“红矮星曾被视为小型岩石行星的宿主；如果这些行星在年轻时受到轰炸，这可能会对保留任何大气层造成不利影响。”。

寻找适合居住的行星

这些结果有助于科学家了解可居住行星在不同类型恒星周围存活的几率，以及大气是如何形成的。这有助于他们找出宇宙其他地方最有可能寻找可居住行星的地方。

科学家们还研究了恒星耀斑和星点之间的联系，就像我们在太阳表面看到的那样。

蒙特博士说：“我们的太阳有史以来最大的斑点可能是地表的0.3%。对于我们看到的一些恒星来说，表面基本上都是斑点。这强化了一种观点，即斑点和耀斑是相互联系的，就像磁事件一样。”

科学家们下一步要调整神经网络来寻找潜伏在年轻恒星周围的行星。

范斯坦女士说：“目前我们只知道十几个年龄小于5000万岁的年轻人，但它们对于了解行星大气是如何演变的非常有价值。”。

蒙特博士还将在新南威尔士大学扩展这个神经网络框架。他说：“我们将应用这些相同的方法，在同一数据集中寻找年轻的行星。”“这将有望导致‘机器的崛起’，我们可以应用机器学习算法，用同样的方法找到一堆令人兴奋的新行星。”