上图显示了其轨道各个阶段的热木星。星星和行星的尺寸以及它们之间的分离是为典型的热木星进行规模。观察到的反射星光的量取决于行星在其轨道内的位置和轨道相对于观察者的倾斜度。
来自耶鲁大学的一支研究人员已经确定了60个潜在的新“热门侠” - 高度照射的世界，如烧烤烤架上的煤炭上发光，并且被发现只有1％的太阳般的星星。
热的刺客构成了一类煤气巨头行星，靠近他们的父母恒星，他们花了不到一周的时间来完成轨道。
第二年博士。学生萨拉米洛兰和天文教授Greg Laughlin通过新的大数据技术的新应用确定了行星候选人。他们使用了一个监督机器学习算法 - 一种复杂的程序，可以训练，以识别数据中的模式并进行预测 - 以检测所观察到的光的微小幅度变化，导致导致的轨道行星反射来自其主星的光线。
“莎拉的工作已经给了我们最适合其最外星人的”肖像“的”肖像“，”劳斯林说。“令人惊讶的是，通过高性能计算的机器学习中最新技术如何允许我们为非凡发现挖掘经典数据集。”
Millholland最近在加利福尼亚州NASA AMES研究中心的一家Kepler Science会议上展示了研究。她和Laughlin是关于研究的研究的作者，已被接受在天文期刊中出版。
Millholland和Laughlin系统地搜索了来自NASA的开普勒任务的四年来的超过140,000星的观察中的反射光信号。开普勒航天器是最为讨人境的，以便检测到运输其主体恒星的数千个外产上的检测。在运输过程中，一个星球在恒星前面通过，并导致观察到的星光中的周期性垂直。
研究人员表示，反射光信号可能难以区分恒星或仪器变异性，但是一条大数据方法使他们能够拔出微弱的信号。它们产生了数千个合成数据集，并训练了算法，以识别反射光信号的性质与其他类型的可变性相比。
研究人员表示，耶鲁技术先驱一种新的发现方法，该方法识别来自公开的开普勒数据的更多行星。
“我已经被推进者科学团队的成员告诉过反映的星光，是开普勒管道早期演绎的一部分，”Millholland说。“它们称为反射光搜索或RLS模块。从这个意义上讲，我们只是解决了开普勒数据的原始意图之一。“
根据研究人员，反射光信号占据了行星大气的丰富信息。它们含有云存在，大气成分，风图案和日夜温度对比等特征。
研究人员还注意到60个星球候选人将需要进行后续观察来确认。这将以多普勒速度测量的形式出现。
多普勒速度法是一种良好的技术，其由于轨道行星的重力影响而能够检测在星中的摆动运动。由于热刺刀如此巨大，而且靠近他们的星星，他们诱导的恒星摆动大而易于检测。
一种新的耶鲁设计仪器，被称为Expres，该仪器正在亚利桑那州的发现渠道望远镜上安装，可能会试图今年晚些时候进行确认。
除了计算耶鲁天文部门的计算集群之外，该研究依赖于耶鲁的高性能计算资源。国家科学基金会研究生研究奖学金计划也得到了研究。
这里可以使用轨道各个阶段的热木星的3D可操纵图。
学习：六十非过度热木星候选人的监督学习检测
