开普勒90星系被称为“第二太阳系”发现了第八个星球

老铁们，大家好，相信还有很多朋友对于开普勒90星系被称为“第二太阳系”发现了第八个星球和的相关问题不太懂，没关系，今天就由我来为大家分享分享开普勒90星系被称为“第二太阳系”发现了第八个星球以及的问题，文章篇幅可能偏长，希望可以帮助到大家，下面一起来看看吧！

12月14日，当地时间，美国国家航空航天局（NASA）举行了媒体电话会议，宣布新发现。 NASA使用Kepler Space望远镜（Kepler Space Telescope）宣布在遥远的恒星系统中发现了第八个星球，名为Kepler-90i。

开普勒90 Galaxy是开普勒太空望远镜发现的第90颗恒星，距离地球距离地球为2,545光年。据报道，这是科学家第一次确认仍然有像太阳这样的恒星有8个行星。 Kepler-90i的存在意味着Kepler-90 Galaxy具有与太阳系一样多的行星，就像“第二太阳系”一样。同时，科学家发现，开普勒90星系的八个行星非常接近星星，就像“迷你版”太阳系。

这一发现归功于人工智能的神奇帮助。研究人员通过Google的机器学*系统进行了发现。机器学*是实现人工智能的一种方式，科学家现在可以使用它来分析开普勒太空望远镜的数据。这一新发现有助于科学家在对外星人生活的研究中取得新的突破。

这一发现令人兴奋，与此同时，出现了许多问题。为此，NASA在美国著名的社会论坛Reddit上发布，要求那些关心这一发现的人提出问题。 NASA和Google的人工智能工程师在线回答了这些问题。

NASA发布在Reddit上以回答问题

到太阳系以外的最近的星球需要多长时间？

老师Shiver是美国拉斯维加斯珊瑚科学学院的4岁老师：我的学生想知道去太阳系以外的最近的星球需要多长时间？

NASA：这是一个很好的问题。我们太阳系网络中最接近的星球是4.2光年。因此，即使您以光速飞行，也需要4。2年才能到达。更不用说我们不能以光速飞行。今天，我们已经非常熟练地在太阳系之外发现行星，但是我们仍然必须花一些时间参观这些行星。也许需要直到您的学生长大才能实施它。

Netizen Skiboy625：到目前为止，您观察到了多少其他太阳能系统？他们有生命的星球吗？

NASA：在主要任务中，开普勒太空望远镜观察到了15万颗星，并且仍在分析有关它们的数据。开普勒2还观察到其他20颗恒星。目前，基于望远镜和梅尔斯等望远镜，对其他行星的搜索正在进行中，但尚不清楚哪个恒星可能拥有生命。例如，在我们的太阳系中，火星，地球和金星都显示“适合生命”的地区，但生命仅存在于地球上。

Kepler-90更靠近行星

Netizen SendientStardust96：Kepler 90的组件是具有8个行星的星系，与太阳系相同吗？

NASA：像太阳和大多数行星一样，开普勒90也由氢和氦气组成。碰巧的是，它还包含一些大元素，例如铁，约为25。

Netizen Tank_digravio：这些行星在我们的太阳系中有月球吗？因为，如果我们没有月亮，地球上的生命会不会成为我们现在所知道的吗？

NASA：我们不知道是否有月亮。从理论上讲，行星穿过月球可能会给地球的照明带来变化，但该信号的影响很小。科学家已经在寻找外星行星附近的月球。开普勒获得的数据表明，外星月亮可能存在，但没有证实。

网民MrSpengiuns：您认为在人工智能的帮助下，我们现在是发现外星人的最大可能性吗？

NASA：是的，这就是我想问的。

机器学*模型精度达到96

Netizen Spider-Man-2019：处理从开普勒太空望远镜收集的数据时，Google的人工智能会遇到什么问题？您使用开普勒太空望远镜发现了哪些有趣的行星或外星生命？ Google的人工智能是否用于过滤数据？

克里斯·萨尔（Chris Shallue），我遇到的一个有趣的问题是从Mikursky Archive Space望远镜下载数据。在Google，我们只需从公共网站下载数据即可。但是，开普勒的数据设置很大。我们花了大约两个星期的时间才下载它，但是下载后它不适合我的台式计算机。

Netizen Glorious Dawn：这个发现和Google的机器学*系统可以使我们能够理解一些特殊的东西吗？它将对下一代行星搜索工具的设计产生什么影响？

Google的工程师Chris Allue：今天的发现以多种方式强调行星系统的布置，其中许多我们尚未理解。这也表明，除了设计和构建功能更强大的望远镜外，开发和利用复杂算法也非常重要。

Netizen urben1680：您已经发现机器学*用于外星人。我的问题是，您能告诉我使用此系统时可能发生什么错误？如果您不知道这些人工智能有多好，那么您获得的科学价值会受到很大的损害吗？

Google工程师Chris Allue：当我们开发机器学*模型时，我们通常会取出部分标记的实验数据，约占数据的10，并且在实验过程中未显示模型。模型实验完成后，我们使用前10的数据来测试模型上数据的性能，这是以前从未见过的。在这种情况下，我们发现，当我们实验10的数据时，我们的模型准确性达到了96，这实现了实验的目的。

在理解机器学*系统方面，我们确实有一些技术来检测模型的内部，并有助于理解机器学*系统为何做出具体决策。在这种情况下，我们开发了一些方法来可视化开普勒信号工作的神经系统。