一种新的科学方法使用模型灵感来自Google的算法确定行星系统的稳定性程度。研究人员采用了机器学习技术，以创建一种机制，该机制比传统方法更快地预测稳定性。
这项研究于11月23日在《期刊》上发表天体物理学期刊一组科学家在多伦多士嘉堡大学进行的，它在行星稳定性分析中使用了一种新颖的工具。
在分析行星稳定性中使用机器学习
机器学习是基于人造的技术这允许计算机学习而无需编程以执行特定任务或一组任务。它的主要优势在于与新数据接触时仪器的动态。
通过此方法，处理更快，更有效地进行处理。机器学习也已广泛使用21英石在各个行业中，从防止欺诈和检测Google中的电子邮件垃圾邮件到Netflix电影推荐。
“机器学习提供了一种解决天体物理学问题的有力方法，这预测了行星系统是否稳定，”著名的研究的主要作者丹·塔玛约（Dan Tamayo）。
作为一部分研究，科学家团队在大学开设了一系列研讨会，以详细说明可以使用机器学习的方式分析行星稳定性。
以前的技术 - 较慢且效率较低
Tamayo补充说：“令人鼓舞的是，我们的发现告诉我们，投资数周的计算来培训机器学习模型是值得的，因为这种工具不仅准确，而且还可以更快。”
以前的方法都在对如此大量数据的解释和分析中苦苦挣扎，这几乎无法看到更大的情况。尽管在用于此过程的仪器中取得了进展，但新研究通过机器学习提供的分析和综合能力彻底改变了实践。
理解行星系统是否稳定的重要性在于这种特定行为及其形成之间可以建立的相关性。这种类型的分析还可以提供有关当前通过我们现有手段无法观察到的系外行星的见解。
尽管目前存在一系列用于检测系外行星的方法，但它们并不总是可靠的，因为它们没有提供有关其结构和特征的重要细节，例如质量或轨道是椭圆形的程度，这对于理解稳定性至关重要。
