大气环境是承载生命的关键因素，科学家们开发了一种人工智能系统帮助他们分析系外行星的大气环境，来判断哪些行星适合外星生命生存。

　　20世纪90年代初期，天文学家首次发现了太阳系以外的行星。迄今为止，科学家们已经陆续发现了3400颗系外行星。现在科学家希望将研究更进一步，他们想确定哪些行星属于宜居星球。但通常哪怕分析一颗行星的数据，也会花费研究人员数天甚至数周的时间。

　　而随着新设备的启用，比如将于2018年投入使用的James Webb 太空望远镜，会传回大量数据，届时仅凭人类之力恐怕难以招架。随之产生的数据积压可能会减缓甚至妨碍新发现的诞生。正因为如此，伦敦大学学院（University College London，UCL）的研究者们开发了RobERt这个人工智能系统，它能用人类永远无法企及的速度分析来自外太空的数据，从而获得关于宜居行星的信息。

　　它是如何工作的呢？答案是借助行星反射的临近恒星的微弱光线。这些反射光会在大气中传播，在不同的气体中，atv，光线要么被吸收要么以特定波长传播。地球上的科学家可以利用其对应光谱来判断行星的大气组成成分，从而进一步判断它能否承载生命——无论是外星生命还是将来有可能登陆的人类宇航员。

　　RobERt——是Robotic Exoplanet Recognition的简称。它可以在几秒钟内对系外行星的光谱完成分析。它以深度信念神经网络（deep-­belief neural network，DBN）算法为基础，通过模拟人类大脑的思维方式来工作：它用多层硅片“神经元”来过滤数据，每一层过滤都会将结果做进一步优化，直到得到系统认为正确的结果。对于RobERt来说，得到行星光谱对应的气体成分就是正确结果。

　　如同人类大脑一样，DBN算法会从实例和错误中学习提高。因此，为了训练RobERt，UCL的研究者们让它分析了超过8.5万张模拟光谱。“最终，直播，即使研究者故意刁难它，在给了它不完整的光谱或者噪声信号的情况下，RobERt判断混合气体的正确率仍可以达到99.7%。”UCL的项目组负责人Ingo Waldmann说。

　　寻找新的宜居行星只是一个开始。RobERt快速分析数据的能力，还能帮助科学家更深入地了解太阳系（包括我们自己）的最初形成过程。Waldmann说：“我们关于行星形成的认识还非常肤浅。要想获得更多的了解，我们唯一能做的就是尽可能多地观察类似太阳系的其他星系。”

　　RobERt会帮助我们认识更多的星系，它就像一个理论物理学家一样在协助我们。随着RobERt的经验日益丰富，航天局也可以借助RobERt的力量来复核那些与RobERt经验不符的系外行星观测结果。Waldmann说：“幸运的话，我们或许可以找到一个小型的适合居住的星球。我们必须足够幸运，但我相信那一天终将到来。”

　　本周精选：