為了弄清楚行星是如何形成的，天文學家如何進行複雜且耗時的計算機計算。伯爾尼大學的NCCR PlanetS成員現在已經開發出一種全新的方法來極大地加快此過程。他們使用基於人工神經完美分析運彩ptt網絡的深度學習，這是圖像識別中眾所周知的方法。
行星生長在恆星盤中，吸收固體物質和氣體。它們是否像地球還是木星一樣，取決於不同的因素，例如固體的性質，圓盤中的壓力和溫度以及已經積累的物質。天體物理學家使用計算機模型嘗試模擬生長過程並確定內部行星結構。對於給定的邊界條件，它們計算行星的氣體包層的質量。伯爾尼大學NCCR行星科學主任Yann Alibert解釋說：“這需要解決一組微分方程式：在過去的15年中，解決這些方程式一直是伯爾尼天體物理學家的專長，但這是一個複雜而耗時的過程。”
為了加快計算速度，伯爾尼國際空間科學研究所（ISSI）的Yann Alibert和PlanetS研究員Julia Venturini採用了一種方法，該方法已經掌握了包括智能手機在內的許多其他領域：深度學習。例如，它用於面部和圖像識別。但是，人工智能和機器學習的這一分支也改善了自動語言翻譯，對於自動駕駛汽車至關重要。阿里伯特說：“天文學也有很大的炒作：機器學習已經被用於分析觀測，但是據我所知，我們是第一個將深度學習用於此目的的。” Alibert和Venturini在《天文學與天體物理學》（A＆A）雜誌上發表了他們的研究結果。
數據庫o博客娛樂城f百萬個行星
首先，研究人員必須創建一個數據庫。他們計算了數百萬種可能的行星內部結構。 “使用茱莉亞·文圖里尼在伯爾尼博士期間開發的代碼，我們花了三週的時間來計算所有這些測試用例，”阿里伯特說。下一步是確定人工神經網絡的體系結構，這是一組算法，可通過數學運算將輸入數據傳遞給用戶，並具有無需明確編程即可學習的能力。天體物理學家解釋說：“然後，我們使用龐大的數據庫訓練了這個網絡。現在，我們的網絡娛樂城體驗金k能夠非常精確地預測在某些條件下形成的行星的質量，並且比求解微分方程要快得多。”
深度學妞妞牌型習過程比以前開發的用一些解析公式代替微分方程解的方法更加精確。派大金娛樂城拉運 彩 致富 PTT斯。這些分析公式可以預測一個行星應該長到木星的質量，而實際上它的質量不能超過海王星。 “我們證明了我們的深度神經網絡在百分比水平上提供了很好的近似值，” Alibert總結道。研究人員在軟件開發平台GitHub上提供他們的結果，以便博弈娛樂城世界各地從事行星形成工作的同事都從中受益。
