NASA開源加速宇宙探索

「開源」全名是「開放原始碼」(open source)，意思是程式使用者在許可證(License)的範圍內，可以自由研究、修改和散佈軟體給任何人，為了任何目的。「開源軟體」(Open-Source Software)舉例來說有，維基百科(Wikipedia), Mozilla Firefox, VLC player, GIMP, Vim, Linux mint等。

與開源軟體相對的是「版權軟體」或「閉源軟體」(Proprietary software)，例如Microsoft Word, Photoshop, iOS。這類軟體在使用前需要同意許多條款，並且不得在未經原始開發者的同意前做任何修改。

在2017年12月，Google的機器學習演算法和NASA的克卜勒太空望遠鏡合作發現了兩顆新行星，分別叫做Kepler-90 i和 Kepler-80 g，但宇宙浩瀚無垠，太多行星等著被探索，為了加快速度，Google乾脆公開搜尋系外行星的代碼，讓大家幫忙想辦法。只要你有興趣，上看看，說明書和程式碼都放在那裏。

用機器學習尋找系外行星

由於系外行星距離太遠，無法直接觀察，科學家利用「凌日現象」(Transit Photometry)來推論其存在。當系外行星通過一顆恆星前方時，恆星的亮度會暫時下降，如此就可推論系外行星的存在。不過造成恆星亮度下降還有很多可能，像是被衛星擋到，望遠鏡的髒污、星斑、宇宙射線和聯星系統。透過機器學習找出「亮度對時間作圖」的圖形樣式中最有可能者。

像上圖第一欄，呈現V型曲線的，代表一個非常大的恆星通過一個克卜勒正在觀察的恆星；第二欄有兩個地方亮度下降，代表一個雙星系統裡面有一顆亮的一顆暗的恆星，凹下去比較深代表比較暗的恆星擋在比較亮的恆星前面，反之亦然；第三欄則非恆星或行星的訊號。

以前是用「訊號雜訊比」(Signal-to-Noise Ratio)當作篩選門檻，篩選出3萬筆資料用人工分析，最後只有2500個是真正的行星。現在有了機器學習的幫助，則可以從第一步就被淘汰的12萬筆資料重新找出漏網之魚，Kepler-90 i和 Kepler-80 g就是最好的例子。

NASA 開源計畫首頁

現在這個網頁有560個開源計畫，包括 “LivingStone2”，是一套可重複使用的A.I.軟體，可以對複雜系統進行自動診斷和離散控制(Discrete Control)，目的是讓太空船、生命維持系統、化工廠等複雜系統用最小的人力穩定運行； “CODE”，是一個監測和控制分散式服務、資源和應用程式的工具，主要架構分成四大塊: “Manager”, “Registry”, “Observer”, “Controller”，語法是用JAVA完成，在Linux, Solaris, Irix, MacOS都可以運行； “Mission Simulation Toolkit, (MST)”，讓登月或登陸其他行星的車輛可以擁有自動探索的能力，程式包含機械手臂、感測器和自動駕駛等； “JavaGenes”，用Java語言編寫的系統，最初用在排程對地觀察的衛星，用到遺傳演算法和隨機爬山演算法，這個軟體被用在分子學、原子力場引數、數位電路、對地觀測計畫和天線領域。

開源軟體MST簡介