這指的是與生命和生物過程相關(guān)的化學特征，其中最重要的一個是水。在最近的一項研究中，天體物理學家Dang Pham和Lisa Kaltenegger解釋了未來的調(diào)查（當與機器學習相結(jié)合時）如何能夠分辨出遙遠的系外行星上是否存在水、雪和云。

Dang Pham是多倫多大學David A. Dunlap天文學和天體物理學系的一名研究生，他專門從事行星動力學研究。Lisa Kaltenegger是康奈爾大學天文學副教授，卡爾-薩根研究所所長，也是對潛在的宜居世界進行建模并描述其大氣層特征的世界領(lǐng)先專家。

水是地球上所有生命都依賴的東西，因此它對系外行星和天體生物學調(diào)查非常重要。正如Lisa Kaltenegger通過電子郵件告訴《 Universe Today 》的那樣，這種重要性反映在NASA的口號中--“只要跟著水走”--這也是他們論文標題的靈感所在。

“行星表面的液態(tài)水是潛在生命的證據(jù)之一--我在這里說潛在是因為我們不知道還需要什么來啟動生命。但液態(tài)水是一個很好的開始。因此，我們使用了NASA的口號‘只要跟著水走’，并問道：‘我們?nèi)绾尾拍茉谝司訁^(qū)的巖質(zhì)系外行星的表面找到水？’做光譜分析是需要時間的，因此我們正在尋找一種更快的方法來初步確定有希望的行星--那些上面有液態(tài)水的行星。”

目前，天文學家只限于尋找萊曼-阿爾法線的吸收，這表明系外行星的大氣層中存在氫氣。這是大氣層中的水蒸氣暴露在太陽紫外線輻射下的副產(chǎn)品，導致它在化學上分解為氫和分子氧--前者流失到太空，而后者被保留下來。

這種情況即將改變，這要歸功于詹姆斯·韋伯太空望遠鏡和南希·格雷斯·羅曼太空望遠鏡這樣的下一代望遠鏡，以及起源太空望遠鏡、宜居系外行星觀測站（HabEx）和大型紫外/光學/紅外測量儀（LUVOIR）這樣的下一代觀測站。還有一些地面望遠鏡，如極大望遠鏡（ELT）、巨型麥哲倫望遠鏡（GMT）和三十米望遠鏡（TMT）。

由于它們的大型主鏡和先進的光譜儀、計時儀、自適應光學裝置套件，這些儀器將能夠?qū)ο低庑行沁M行直接成像研究。這包括研究從一個系外行星的大氣層或表面直接反射的光線，以獲得光譜，使天文學家能夠看到存在哪些化學元素。但正如他們在論文中指出的，這是一個時間密集的過程。

天文學家首先觀察數(shù)以千計的恒星，觀察其亮度的周期性下降，然后分析光曲線，尋找化學特征的跡象。目前，系外行星研究人員和天體生物學家依靠業(yè)余天文學家和機器算法來整理他們的望遠鏡獲得的大量數(shù)據(jù)。展望未來，Pham和Kaltenegger展示了更先進的機器學習將是多么關(guān)鍵。

正如他們所指出的，ML技術(shù)將使天文學家能夠更迅速地進行系外行星的初步特征分析，使天文學家能夠優(yōu)先考慮后續(xù)觀測的目標。通過“跟著水走”，天文學家將能夠把天文臺寶貴的調(diào)查時間更多地用于更有可能提供重大回報的系外行星。

Kaltenegger說：“下一代望遠鏡將尋找行星大氣中的水蒸氣和行星表面的水。當然，為了在行星表面找到水，你應該尋找（水的）液態(tài)、固態(tài)和氣態(tài)形式，正如我們在論文中所做的那樣。”

“機器學習使我們能夠快速確定最佳過濾器，以及在各種信噪比下的準確性權(quán)衡，”Pham補充說。“在第一個任務中，使用（開源算法）XGBoost，我們得到了一個排名，哪些過濾器對算法檢測水、雪或云的任務最有幫助。在第二項任務中，我們可以觀察到，在噪聲較小的情況下，算法的表現(xiàn)要好得多。有了這一點，我們可以畫出一條線，在這條線上，獲得更多的信號將不會對應于更好的準確性。”

為了確保他們的算法能夠完成任務，Pham和Kaltenegger做了一些大量的校準工作。這包括創(chuàng)建53130個具有不同表面成分的寒冷地球的光譜圖，包括雪、水和水云。然后，他們在大氣和表面反射率方面模擬了這些水的光譜，并指定了顏色輪廓。

正如Pham所解釋的：“大氣層是用Exo-Prime2-Exo-Prime2建模的，通過在各種任務中與地球的比較得到了驗證。雪和水等表面的反射率是由美國地質(zhì)調(diào)查局在地球上測量的。然后我們從這些光譜中創(chuàng)建顏色。我們在這些顏色上訓練XGBoost，以執(zhí)行三個獨立的目標：檢測水的存在、云的存在和雪的存在。”

這個經(jīng)過訓練的XGBoost顯示，云和雪比水更容易識別，這是預期的，因為云和雪的反照率（對陽光的反射率更大）比水高得多。他們進一步確定了五種對該算法非常有效的最佳過濾器，所有這些過濾器都是0.2微米寬的，并且在可見光范圍內(nèi)。最后一步是進行模擬概率評估，從他們確定的五個最佳過濾器的集合中評估他們關(guān)于液態(tài)水、雪和云的行星模型。

“最后，我們（進行）了一個簡短的貝葉斯分析，使用馬爾科夫鏈蒙特卡洛（MCMC）對五個最佳過濾器做同樣的任務，作為一種非機器學習方法來驗證我們的發(fā)現(xiàn)，”Pham說。“我們在那里的發(fā)現(xiàn)是類似的：水更難檢測，但通過光度測量識別水、雪和云是可行的。”

同樣，他們驚訝地看到訓練有素的XGBoost僅根據(jù)顏色就能識別巖質(zhì)行星表面的水。根據(jù)Kaltenegger的說法，這就是過濾器的真正含義：一種將光分離成謹慎的"倉"的手段。“她說："想象一下，一個用于所有紅光的倉（‘紅色’過濾器），然后一個用于所有綠光的倉，從淺綠到深綠（‘綠色’過濾器）。”

他們提出的方法并不能識別系外行星大氣中的水，而是通過光度測量在系外行星的表面上識別。此外，它不會與凌日法一起使用，后者是目前最廣泛使用和有效的系外行星探測手段。這種方法包括觀察遠處的恒星，以尋找歸因于系外行星相對于觀察者在恒星前面經(jīng)過（又稱凌日）的周期性亮度下降。

有時，天文學家可以從一個系外行星的大氣層中獲得光譜，因為它正在凌日--這個過程被稱為"凌日光譜學"。當太陽光穿過系外行星相對于觀測者的大氣層時，天文學家將用光譜儀對其進行分析，以確定那里有哪些化學物質(zhì)。利用其敏感的光學系統(tǒng)和光譜儀套件，詹姆斯·韋伯太空望遠鏡將依靠這種方法來描述系外行星大氣的特征。