去年 12 月，谷歌和 NASA 的研究人员宣布，他们利用神经网络发现的两颗新系外行星。
现在，用于此次发现的代码已经免费发布了。
“我们希望此次发布能成为开发其他 NASA 任务类似模型的有用起点，例如 K2（开普勒的第二个任务）以及即将推出的凌日系外行星巡天卫星任务，”谷歌高级软件工程师 Chris Shallue 在该公司的研究博客上写道。
研究人员现在可以使用（并改编）这些计算机代码，来寻找隐藏在开普勒太空望远镜收集的海量数据中的新世界。
开普勒任务及其后续任务 K2 通过寻找天空中闪烁的光点来搜寻系外行星。当行星从恒星和望远镜之间经过时，会产生一种可识别的短暂变暗。在 2009 年至 2013 年开普勒任务结束期间，该望远镜持续观测了约 15 万颗恒星，坚毅地凝视着天空的同一片区域。
研究人员已通过开普勒数据证实了 2,342 颗系外行星的存在，但仍有大量数据需要处理。在谷歌代码的GitHub 页面上，研究人员指出，有超过三百万个文件（一太字节）的开普勒数据，完全下载可能需要一周时间。查看小块数据更容易，谷歌团队最初就是通过这种方式发现那两颗系外行星的。
自动化软件会寻找那些可能表明有快速经过的行星的光线骤降，这大大缩小了数据范围。但天文学家仍需手动检查这些数据以确认行星的存在。可以理解的是，他们专注于最有可能的候选者，这就导致大量数据未被审阅。这就是谷歌开发的神经网络的作用所在，它重新审视了自动化软件可能错过的信号，并标记出可能的候选者。
谷歌的程序并非完美无缺。它仍然可能将双星或其他恒星现象误认为行星，并且仍在开发中。
类似的方法已经使用了一段时间，但不是使用机器大脑，而是利用全世界的人类大脑，将开普勒数据发布给像Exoplanet Explorers 和Planet Hunters 这样的项目，让公民科学家能够浏览数据并标记潜在行星供天文学家更仔细地查看。
科学家们今年一月刚刚使用众包方法发现了一个多行星系统。
随着系外行星搜寻的继续，其他数据集的可访问性也日益提高。今年早些时候，一组大学发布了一个由地面 W.M. Keck 天文台二十年来累积的大型恒星数据集，该天文台也在搜寻系外行星。
无论你是满足于事后听闻系外行星的发现，还是想尝试用自己的大脑（或计算机）去发现一颗，系外行星的搜寻只会越来越庞大。下个月 NASA 的凌日系外行星巡天卫星（TESS）发射后，情况可能会进一步加速，该卫星将观测我们太阳附近 20 万颗明亮的恒星，以确定哪些可能与我们的太阳系相似。
我们太阳附近的恒星可能隐藏着哪些未知的世界？除非我们去看看，否则我们永远不会知道。
