位于加利福尼亚州山景城的美国宇航局边疆发展实验室 (FDL) 的研究人员刚刚度过了一个暑假，致力于解决“宇宙级”难题。他们来自世界各地，拥有不同的专业背景：计算机科学工程师、行星科学家，甚至还有粒子物理学家。八周时间里，他们深入研究数据和地图，创建和模拟了世界和大气层，并对他们的计算机算法进行了测试。他们的最终成果尚不成熟，但有些人希望这些成果能增进我们对自身太阳系的理解，并 为在宇宙其他地方寻找宜居——甚至可能存在生命的——行星的整体努力做出贡献。
FDL 项目本身现已进入 第三年。往届的培训 曾解决过 包括小行星探测、测绘和偏转，以及太阳风暴测绘等问题。
今年的培训设有针对我们太阳系的专题，其中包括由 IBM、KX 和洛克希德·马丁公司赞助的，旨在改进 空间天气预报 的小组。由英特尔、Space Resources 和 Xprize 公司赞助的团队则利用人工智能开发了在 寻找太空资源 的过程中，绘制小行星和其他行星体表面地图和路线的新方法。在太阳系之外，由 Google Cloud 赞助的三个项目则致力于 寻找系外行星、分析它们的大气层，以及 搜索生命迹象。
FDL 是一个公私合作伙伴关系，由企业提供资金、资源和专业知识，而 NASA 和 SETI 研究所 则提供数据、专家和设施接入。虽然 NASA 获得了可能有助于未来 TESS 望远镜 等项目研究方向的线索，但像谷歌这样的公司则有机会向一群高级科学家和工程师展示其技术——这些潜在客户可能会决定在未来的研究项目中采用这些产品。谷歌云是三个挑战项目的赞助方，其推广的一部分是，与可能扮演类似角色的现有超级计算机相比，其产品提供了成本更低、更易于获取的选择。
“NASA 有一台超级计算机，Pleiades，但要获得使用这些超级计算机的时间非常困难，”谷歌应用人工智能技术总监、该项目导师之一的 Massimo Mascaro 说。
谷歌云的方案无法取代超级计算机的强大功能，但它能相对快速地处理海量信息——这在研究人员处理成千上万甚至数百万个潜在世界时是一个优势。
其他世界
谷歌在系外行星方面拥有一定的经验。去年，这家科技公司开发了一种 机器学习技术，识别出了开普勒太空望远镜收集到的数据中的两颗系外行星。但随着 开普勒望远镜燃料告罄，研究人员希望找到一种方法，在下一代行星搜寻望远镜——TESS 上延续这一成功。
TESS 是凌日系外行星巡天卫星的缩写，仅仅几个月的观测，其科学家们 已经发现了 两颗潜在的系外行星。但今年夏天在 FDL 工作的研究人员无法获得这些数据——它们当时还不存在。取而代之的是，他们使用了开普勒望远镜已收集的数据和模拟的 TESS 数据。（NASA 在 TESS 发射前创建了这些数据，以便在开始收到真实结果之前测试行星探测技术。）
通过机器学习，他们成功创建了一个算法，能够比现有程序（96% 对比 94%）更好地识别开普勒数据集中的行星，并创建了计算机模型，能够从模拟 TESS 数据中的所有背景信息中分辨出微弱的行星信号。他们的方法仍处于开发阶段，但研究人员希望，随着数据的不断涌入，这些方法能帮助 TESS 研究人员更快地分类行星。
找到行星只是第一步，但真正了解这些行星是什么样的则是完全另一个问题。这就是天体生物学挑战的用武之地。
一个专注于行星大气层分类的团队，实际上创建了一个包含 300 万颗系外行星的模拟数据集——这些是类似地球的岩石行星。到目前为止，人类仅在太阳系外发现了数千颗行星，其中许多是巨大的气态巨行星。拥有三百万颗行星进行实验（即使只是计算机模拟）对系外行星研究人员来说非常宝贵，他们可以在等待来自 TESS 和其他未来望远镜数据的积累时，在大型数据集上测试他们的理论。
不仅仅是专业天文学家能接触到这些行星：“我们的三百万颗行星数据集将向公众开放，”在大学工作的行星科学家 Molly O’Beirne 说，她参与了该团队的工作。
该团队还研究了如何详细确定这些小型岩石行星的成分——这可以为天体生物学家提供有关一颗行星是否宜居的线索。
第三项挑战更进一步，开始探讨太空探索中最重要的问题之一：如何识别其他行星上的生命。目前，天体生物学家只有一个行星存在生命的例子——就是我们现在居住的这颗。他们使用一款软件程序结合谷歌云，创建了 15 万颗拥有大气层的行星，并开始分析未来研究人员（或其计算机程序）可能用于识别宜居行星的因素。
为期八周的培训已经结束，研究团队熬过的通宵达旦的讨论和不眠之夜也随之结束。现在，他们的结果将被深入研究和改进。许多人将不会再获得如此难得的机会，让天体生物学家和计算机科学家并肩工作两个月，一起处理代码和问题。但他们现在知道，这种合作可以带来什么。
来自剑桥大学的粒子物理学家 Will Fawcett 积极拥抱这一关键启示。“你可以进行真正的跨学科研究，”他说。“这是可能的，而且对双方都有益。”
