91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

利用谷歌的神經(jīng)網(wǎng)絡(luò)模型找到了“迷你太陽(yáng)系”

mK5P_AItists ? 2018-01-02 08:53 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

概要:當(dāng)?shù)貢r(shí)間12月15日,美國(guó)國(guó)家航空航天局NASA宣布在“行星獵手”開普勒望遠(yuǎn)鏡的數(shù)據(jù)庫(kù)中找到了恒星“開普勒-90”周圍的第八顆行星,追平太陽(yáng)系。

一個(gè)恒星周圍最多環(huán)繞幾顆恒星?一直以來(lái),太陽(yáng)系就是人類所知的行星數(shù)量最多的星系。當(dāng)?shù)貢r(shí)間12月15日,美國(guó)國(guó)家航空航天局NASA宣布在“行星獵手”開普勒望遠(yuǎn)鏡的數(shù)據(jù)庫(kù)中找到了恒星“開普勒-90”周圍的第八顆行星,追平太陽(yáng)系。該星系遠(yuǎn)在2545光年外的天龍座,八大行星相互距離壓縮得更近,儼然是迷你版的太陽(yáng)系。

這項(xiàng)發(fā)現(xiàn)用到了谷歌的神經(jīng)網(wǎng)絡(luò)模型。

“開普勒-90”和太陽(yáng)系一樣擁有八大行星 本文圖片均來(lái)自 NASA

通過神經(jīng)網(wǎng)絡(luò)模型,人工智能可以進(jìn)行深度學(xué)習(xí),即利用大量匹配的輸入-輸出值訓(xùn)練計(jì)算機(jī),使之自行發(fā)掘數(shù)據(jù)中的特征。這種曾令A(yù)lphaGo在棋盤上大殺四方的人工智能模型,如今開始在天文物理的海量數(shù)據(jù)中發(fā)揮用處?;蛟S正應(yīng)了那句傳言:圍棋的變化組合,比宇宙中的原子數(shù)還要多。

發(fā)現(xiàn)新行星的方法是觀察“凌日”現(xiàn)象,即行星掠經(jīng)恒星表面時(shí),會(huì)造成恒星亮度的下降。

“凌日”現(xiàn)象

2009年,“行星獵手”開普勒望遠(yuǎn)鏡承載著人類尋找“第二地球”的夢(mèng)想升空。它在2013年因“癱瘓”——一次嚴(yán)重的硬件故障結(jié)束了獵捕系外行星的任務(wù),朝同一個(gè)方向凝視了4年。最近,NASA計(jì)劃讓它每80天轉(zhuǎn)動(dòng)一下角度。

在“癱瘓”前的四年,開普勒望遠(yuǎn)鏡積累了浩繁的數(shù)據(jù)。這份數(shù)據(jù)庫(kù)對(duì)科學(xué)家來(lái)說(shuō)幾乎是難以窮盡的富礦。目前,人類從中找出了超過4000顆疑似的系外行星。

漏網(wǎng)之魚肯定存在。

已知恒星系統(tǒng)的行星數(shù)

克利斯朵夫·肖樂(Christopher Shallue)是谷歌人工智能團(tuán)隊(duì)的一名資深軟件工程師,當(dāng)他了解到天文學(xué)正在和許多其他學(xué)科一樣被大數(shù)據(jù)淹沒時(shí),他想到了要用神經(jīng)網(wǎng)絡(luò)分析開普勒數(shù)據(jù)庫(kù)。

首先,研究者訓(xùn)練計(jì)算機(jī)對(duì)人類已經(jīng)分析過的15000個(gè)開普勒信號(hào)進(jìn)行訓(xùn)練,當(dāng)計(jì)算機(jī)能以96%的準(zhǔn)確率識(shí)別凌日信號(hào)后,研究者用這個(gè)模型搜尋670個(gè)多行星系統(tǒng)中微弱的信號(hào)。他們認(rèn)為,多行星的星系是尋找更多系統(tǒng)行星的最佳地點(diǎn)。

合作發(fā)現(xiàn)者NASA博士后安德魯·范登堡( Andrew Vanderburg)說(shuō)道:“我們得到了許多假陽(yáng)性信號(hào),但真陽(yáng)性更多。這就像沙中淘金。如果你用的網(wǎng)格更密,你會(huì)淘到更多的沙,但也可能淘到更多的金?!?/p>

肖樂和范登堡下一步打算用人工智能模型將整個(gè)開普勒數(shù)據(jù)庫(kù)篩一遍。里面包含超過15萬(wàn)個(gè)信號(hào)。

開普勒之前(藍(lán)色)和開普勒(黃色)發(fā)現(xiàn)的系外行星

“正如我們所料,存檔的開普勒數(shù)據(jù)中還藏著許多激動(dòng)人心的發(fā)現(xiàn),靜待合適的技術(shù)解鎖?!盢ASA天文物理部主任保羅·赫茲(Paul Hertz)說(shuō)道?!斑@項(xiàng)發(fā)現(xiàn)意味著,我們的數(shù)據(jù)在未來(lái)可以成為研究者們的寶庫(kù)?!?/p>

新發(fā)現(xiàn)的“開普勒-90”第八行星——“開普勒-90i”是一顆灼熱的巖石星球,公轉(zhuǎn)周期14.4天。它比地球大30%,非??拷阈牵砻鏈囟扰c水星相當(dāng)。

而“開普勒-90”系統(tǒng)最外圍的行星,“開普勒-90h”,軌道距離與地球相當(dāng)。

“開普勒-90星系就像迷你版太陽(yáng)系:里圈有小點(diǎn)的行星,外圈有大點(diǎn)的行星,但距離壓縮得更近,”范登堡說(shuō)道。

迷你版太陽(yáng)系:行星間距更近

除此之外,“開普勒-90”第六行星“開普勒-90g”也是通過這個(gè)人工智能模型找到的。它和四個(gè)比鄰行星的相互重力形成了諧振鏈,異常穩(wěn)定,如同此前發(fā)現(xiàn)的“葫蘆娃”七行星系統(tǒng)TRAPPIST-1。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 谷歌
    +關(guān)注

    關(guān)注

    27

    文章

    6254

    瀏覽量

    111407
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4838

    瀏覽量

    107794
  • 人功智能
    +關(guān)注

    關(guān)注

    0

    文章

    1

    瀏覽量

    1152

原文標(biāo)題:谷歌人工智能檢索開普勒望遠(yuǎn)鏡數(shù)據(jù)后,找到了“迷你太陽(yáng)系”

文章出處:【微信號(hào):AItists,微信公眾號(hào):人工智能學(xué)家】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    面向嵌入式部署的神經(jīng)網(wǎng)絡(luò)優(yōu)化:模型壓縮深度解析

    1.為什么需要神經(jīng)網(wǎng)絡(luò)模型壓縮? 神經(jīng)網(wǎng)絡(luò)已經(jīng)成為解決復(fù)雜機(jī)器學(xué)習(xí)問題的強(qiáng)大工具。然而,這種能力往往伴隨著模型規(guī)模和計(jì)算復(fù)雜度的增加。當(dāng)輸入維度較大(例如長(zhǎng)時(shí)序窗口、高分辨率特征空間)
    的頭像 發(fā)表于 02-24 15:37 ?4794次閱讀
    面向嵌入式部署的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>優(yōu)化:<b class='flag-5'>模型</b>壓縮深度解析

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?333次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    自動(dòng)駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個(gè)啥?

    在自動(dòng)駕駛領(lǐng)域,經(jīng)常會(huì)聽到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡(jiǎn)稱為CNN,是一種專門用來(lái)處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN在圖像處理中尤其常見,因?yàn)閳D像本身就可以看作是由像素排列成的二維網(wǎng)格。
    的頭像 發(fā)表于 11-19 18:15 ?2078次閱讀
    自動(dòng)駕駛中常提的卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是個(gè)啥?

    NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

    NMSIS NN 軟件庫(kù)是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫(kù)分為多個(gè)功能,每個(gè)功能涵蓋特定類別
    發(fā)表于 10-29 06:08

    構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的一般化建議

    整個(gè)模型非常巨大。所以要想實(shí)現(xiàn)輕量級(jí)的CNN神經(jīng)網(wǎng)絡(luò)模型,首先應(yīng)該避免嘗試單層神經(jīng)網(wǎng)絡(luò)。 2)減少卷積核的大?。篊NN神經(jīng)網(wǎng)絡(luò)是通過權(quán)值共
    發(fā)表于 10-28 08:02

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開發(fā)IDE,以TensorFlow2為訓(xùn)練框架,目標(biāo)是訓(xùn)練一個(gè)手寫數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。 在仿真環(huán)境下,可將其存于一個(gè)文件,并在 Verilog 代碼中通過 readmemh 函數(shù)
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的神經(jīng)結(jié)構(gòu),盡管這種微生物的
    的頭像 發(fā)表于 09-28 10:03 ?1225次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    【「AI芯片:科技探索與AGI愿景」閱讀體驗(yàn)】+神經(jīng)形態(tài)計(jì)算、類腦芯片

    是 AI芯片發(fā)展的重要方向。如果利用超導(dǎo)約瑟夫森結(jié)(JJ)來(lái)模擬與實(shí)時(shí)突觸電路相連的神經(jīng)元,神經(jīng)網(wǎng)絡(luò)運(yùn)行的速度要比目前的數(shù)字或模擬技術(shù)提升幾個(gè)數(shù)量級(jí)。 1、超低溫類腦芯片 JJ: QPSJ: SNW
    發(fā)表于 09-17 16:43

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn),如計(jì)算速度慢、訓(xùn)練時(shí)間長(zhǎng)等
    的頭像 發(fā)表于 09-17 13:31 ?1129次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

    基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案

    在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真(DPD)模型中,使用不同的激活函數(shù)對(duì)整個(gè)系統(tǒng)性能和能效有何影響?
    的頭像 發(fā)表于 08-29 14:01 ?3472次閱讀

    無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過對(duì)無(wú)刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來(lái)訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    的診斷誤差。仿真結(jié)果驗(yàn)證了該算法的有效性。 純分享帖,需要者可點(diǎn)擊附件免費(fèi)獲取完整資料~~~*附件:神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用.pdf【免責(zé)聲明】本文網(wǎng)絡(luò)轉(zhuǎn)載,版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究

    眾多方法中,由于其結(jié)構(gòu)簡(jiǎn)單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn),使估計(jì)更為簡(jiǎn)單、快速
    發(fā)表于 06-16 21:54

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出,然后通過python程序?qū)xt文件轉(zhuǎn)化為coe
    的頭像 發(fā)表于 06-03 15:51 ?1217次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析