生活了数十亿年，找出一颗星星的年龄并不是一件简单的事。幸运的是，尽管出现了地震般的脉动，但像太阳一样的恒星会振动，在它们发出的光线中产生波动，并留下线索，告诉它们在生命过程中如何进化。但是使用这些振荡来确定恒星的属性到目前为止是一项非常困难和耗时的任务，需要数万个超级计算时间来研究一颗恒星。
位于哥廷根马克斯普朗克太阳系研究所(MPS)的Earl Bellinger领导的跨学科计算机科学家和天体物理学家团队现已大大改进了这一过程。他们的研究发表在本周的“天体物理学杂志”上，该研究呼吁机器学习技术有助于将恒星及其系外行星的特征提高一百万倍。他们开发的人工智能能够发现只需几秒钟即可将星光中的脉动模式与恒星属性(如年龄，质量和半径)联系起来的公式。他们的工作将有助于确定哪些行星系统足够老化以潜在地生活，并帮助研究人员了解银河系随着时间的推移如何演变。
正如那句老话所说的那样 - 燃烧两倍光明的火焰寿命只有一半。夜空中的星星也是如此。较大和较亮的恒星比较小和更暗的恒星寿命更短，更大质量的恒星迅速燃烧其核燃料，以产生足够的压力来抵抗其强大的内向引力。恒星的质量是太阳的数百倍，可能只有几十万年的寿命，而太阳质量的一半预计会持续燃烧的时间超过现在的宇宙年龄。
恒星出现的亮度并没有太大限制它可能有多大的可能性。如果没有凝视恒星的内部并测量剩余多少核燃料，就很难弄清楚恒星的年龄。但是由于星际研究领域 - 对恒星脉动的研究 - 以及美国宇航局开普勒太空船等专门的太空任务，现在可以做到这一点。不仅基于恒星的亮度，而且基于恒星振动引起的恒星亮度的周期性变化，星震学允许天文学家实际查看恒星内部并提取所需信息以确定它们的年龄。
“星体的结构和演化的物理特性决定了特定年龄和质量的恒星将以特定的模式产生脉动，”主要作者Earl Bellinger博士说。马克斯普朗克太阳系研究所和耶鲁大学天文学系的Stellar Ages和Galactic Evolution(SAGE)研究小组的学生。“研究这些脉动因此可以推断出恒星的'地震年龄'。”
虽然已经存在进行地震老化的方法，但它们可能很慢。通常，为了确定恒星的年龄，天体物理学家计算出与给定观察结果最佳匹配的数学模型。然后将模型中计算的年龄归因于恒星。可能的匹配可以通过搜索数百万个预先计算的恒星模型 - 其复杂程度有限 - 或者通过改进更复杂的模型来找到，每个恒星可能需要数万个超级计算小时。
贝林格和他的团队正在寻求人工智能(AI)的帮助来解决问题，而不是寻找适合观察的模型。他们使用一种称为随机森林回归的机器学习方法，训练计算机学习我们可以观察到的脉动与产生这些脉动的恒星之间的直接关系。这些关系对于一个人来说太复杂而无法手工推出，使得恒星能够在几秒钟内完成特征化，这使得研究人员能够在模型中包含比以前的方法更复杂的物理学。
该团队已经将他们的方法应用于几个测试案例，其中包括34个研究良好的恒星，这些恒星已知可以容纳系外行星。到目前为止，机器已经通过了每次测试。“结果与天文测年的其他方法非常吻合，例如用于测量太阳年龄的放射性测年，”Bellinger说，“它的工作非常快，所以它可以用于很多星星。我们正在迅速发展为下一代银河系调查描述整个恒星目录的能力。“
将来会有更多人工智能辅助恒星约会。该方法目前仅适用于主序星，即那些在核心中燃烧氢的恒星。“这种方法看起来非常强大和强大。我们期待看到我们如何应用它来了解其他类型的恒星，“贝林格说。“这将使我们能够在整个银河系中对恒星进行约会，这最终将使我们了解银河系本身是如何发展的。