苔丝研究更新：在太阳系之外的世界狩猎

这例岩石超地球的说明代表了未来望远镜的行星类型，例如NASA过境外出卫星调查（苔丝）的跟进，希望能在太阳系之外找到。

在美国上个月举行的美国天文学会（AAS）年会上，麻省理工学院研究人员从逾越节的外出调查卫星（TESS）等方案提出了新数据。以虚拟的格式，来自地球的麻省理工学院，大气和行星科学系，物理系和麻省理工学院天体物理学和空间研究所的科学家分享了他们的研究发现，包括使用大气表征和机器学习工具和技术了解有关额外行星的更多信息。

超越太阳

对于对太阳系之外的行星感兴趣的研究人员来说，宇宙的无限恒星和行星提供了太多的学习目标。科学家们如何缩小选项，并确定要关注哪个行星？

进入苔丝：由麻省理工学院研究人员领导的NASA任务。2018年4月18日，太空望远镜开始了两年的主要任务，对天空的大型跨越，并允许研究人员寻找其他恒星的行星。苔丝去年夏天完成了这项任务，已经成像了四分之三的天空，并使鉴定了66个新的外产候选人和2,100名行星候选人。在接下来的两年里，苔丝将以更精细的数据分辨率在天空中收集信息，从南半球开始。

在AAS会议上，麻省理工学院科学家与会议与会者分享了他们的戏剧调查结果，同时期待着望远镜开始其扩展任务的内容。

大气表征

要识别潜在的外产儿，研究人员正在寻找来自恒星的光量的变化。星光的小倾角可能意味着一个星球已经通过它，阻挡了一些光线到达地球。通过测量这些所谓的运输，科学家们可以近似行星的大小，轨道需要多长时间，以及它是否有其他行星邻居。

IAN WONG是MIT系列地球部，大气和行星科学部的51级PEGASI B博士后研究员，他对TESS的主要任务观察到了广泛的外产网上的观察。

Wong使用Dess Data观察18名已知的外产上午在主人的星球面前，但他也对他们在星空后面的行驶时发生的事情感兴趣。当一个星球被其明星阻挡时，当其星形被封堵时，将逐渐发生的“次要日食”称为“次要日食”。这使科学家能够了解Albedo（其中灯光的程度）和直接面向其明星的外延的侧面的温度。

通过他的两年项目，黄某发现，随着星球的天空温度从2,200华氏度增加到5,000°F，它的反诉也是如此。这是一个令人惊讶的趋势，因为云 - 这对行星的反照贡献有显着贡献 - 在这个高温范围的上端不太可能形成。然而，Wong说，这可能是来自地球夜间的云可以移动到天段或者光被另一种物质反射，如亮白的二氧化钛。这种相关性仍然是暂定的，而黄将进一步调查它，即将到来的数据来自TESS扩展任务。

机器学习的应用

MaximilianN.Günther是一位Juan Carlos Torres伙伴和博士后的麻省理工学院。在会议的第一天，Günther提出了一个谈话，他展示了他如何使用机器学习来测量恒星耀斑（来自星星的爆炸事件），这可能是可居住行星的迹象。

他的谈话解决了明星耀斑和冠状大规模喷射的影响，或大量等离子体进入太阳风，寻找可居住的行星。映射恒星耀斑是必不可少的，因为他们可能做两件事之一：无论是剥去生命所需的元素的气氛，还是引发最终导致生命的化学的能量。喇叭形可以表示行星类型，年龄和其他重要因素。

作为一颗年轻的星球发展，Günther说，“你想要极端的耀斑，可以形成这些RNA和益生元化学的这些前体。但是一旦这是触发的，你就基本上想要燃烧到停止，因为你想要生命，而对于不再耗尽的臭氧不再枯竭。所以这是精美的，甜蜜的地方。“

当算法快速筛选并弄清楚大量数据感时，会发生机器学习。先进的机器学习允许有效，详细的苔丝喇叭的详细报告，即在其前两年内捕获。如果没有机器学习，该过程将采取超过一生完成。

Günther还强调，在使用机器学习检查曲线数据时可以帮助识别潜在的居住行星，“如果我们没有看到正确的燃烧量，那并不一定会排除可能没有像火山的其他东西，闪电罢工，或者水热风官触发那些行星上的生活。所以这基本上只是我正在寻找的生命途径。“

Rahul Jayaraman是一个第二年的博士学生，专注于大规模搜索苔丝数据的戏剧性现象。Jayaraman介绍了他的作品，“利用机器学习来检测苔丝FFIS的瞬态。”FFI是全帧图像，由TESS跨越其整个视野产生的详细照片。

虽然TESS主要存在于检测EXOPLANETS，但苔丝对整个天空的能力也可能允许研究人员识别短暂的或暂行的事件。这些事件可包括来自伽马射线爆发的超新星和葡萄糖 - 高度充满活力，在黑洞形成期间据信的强烈的能量爆发。

“苔丝在谈话期间解释了一段连续的一段时间，看着天空的一个大区域。”“我们预计从所有这些FFIS分析时间序列数据可能会产生显着变异性的像素，这可能对应于天体物理瞬态事件。”

Jayaraman的集团正在努力设计一种算法，可以识别来自TESS的FFI的像素，该算法可能指示罕见和激动人心的瞬态事件 - 可能无法观察到的事件。

最终，研究人员希望算法将在没有人类监督的情况下起作用。理想情况下，该计划将缩小数千个潜在罕见的事件，只需几十几个左右的科学家学习。

“我想[现在]仍然应该有一个人只是为了确保没有发出的错误积极态度，”Jayaraman在他的谈话中说。“但我认为最终目标确实是确保我们可以获得一种完全自动化的东西。一旦我们对我们的代码有了增加信心，我们就可以致力于这一点。“

TESS是由麻省理工学院在马萨诸塞州剑桥市领导和运营的一项NASA天体物理学探索者任务，由NASA的戈达德太空飞行中心进行管理。其他合作伙伴包括北弗吉尼亚瀑布教堂的北罗姆曼;美国宇航局在加利福尼亚硅谷的Ames Research Center;剑桥天体物理学中心 - 剑桥和史密森尼;麻省理工学院林肯实验室;巴尔的摩天空望远镜科学研究所。全世界有十多所大学，研究所和天文台参加了这次任务。