随着技术的发展，全球各种先进的天文仪器产生了海量的数据，这些数据“非常适合人工智能”。现在，德克萨斯大学的一组研究人员开发了一个人工智能算法的新用例，重点是通过观察一种特定类型的恒星来发现系外行星的内部组成。

这种特殊的恒星被称为“被污染的”白矮星。白矮星是恒星的最后阶段，它们太小而不能成为超新星。在经历了红巨星阶段之后，我们的太阳将在几十亿年后变成红巨星。通常，它们的上层大气中只有氢和氦，按照恒星的标准来看，它们很普通 —— 除非它们碰巧撕裂了其中一颗行星。

每隔一段时间，一颗白矮星就会吸引其太阳系中的一颗行星，在这个过程中将这颗行星撕裂。然后，行星内部的物质被吸收到恒星的外壳中，使它们被通常构成行星内部的重金属所“污染”。

通过分析恒星大气中的重金属，天文学家可以了解这颗前系外行星的构成。因此，一段时间以来，寻找被污染的白矮星进行分析，一直是系外行星猎人的焦点。然而，说这个过程很耗时只是保守的说法。天文学家必须手动检查天文调查，以找到白矮星大气中重金属的证据，其中一些调查，不用说，规模非常之大。

然而，大海捞针听起来像是人工智能的完美用例。因此，德克萨斯大学的研究人员就这样做了。他们利用一种名为“流形学习”的人工智能技术开发了一种算法，并将该算法应用于欧空局“盖亚”天体测量任务的数据。他们过滤了大约10万颗白矮星的数据，得出了375颗可能被污染的候选者。

霍比-埃伯利望远镜和麦克唐纳天文台（至少部分由UT控制）对这375个候选者的后续观测表明，该算法在探测恒星大气中重金属存在方面的准确率为99%，从而将其归类为“污染”。考虑到我们银河系中白矮星的数量庞大，通过允许算法从收集到的其他数据中搜索，可能会发现成千上万的候选者。

对天文学家来说，这意味着有能力了解系外行星的内部构成，因为它们的主恒星正在撕裂它们。了解它们的内部构成将使天文学家能够建立关于它们孕育生命的可能性的模型。因此，这篇论文是朝着开发天体生物学模型迈出的一步，也是人工智能在天文学中的一个极好的用例。它恰好建立在垂死的行星之上，这些行星可能正在形成自己的新生生物圈。

如果朋友们喜欢，敬请关注“知新了了”！