電影《 2001年：太空漫游》開創了在太空科學領域使用人工智能或人工智能的幻想。雖然這是一個科幻概念，但它不再是虛構的。世界各地的科學家都在使用AI算法來預測太陽系中其他行星的壽命，檢測水的存在，找出黑洞的可能性或確定天體的軌道曲線。根據NASA官員的說法，人工智能還可以幫助尋找外星行星上的生命以及探測太空中附近的小行星。現在，通過使用AI的機器學習模型，可以在更短的時間內完成早期天文學家花了數年的時間。現在研究人員來自普林斯頓大學的科學家聲稱已經找到一種預測行星是否會在其行進中與另一行星發生碰撞的方法。

在一項新的研究中，該研究將在《美國國家科學院院刊》上發表，科學家已經描述了他們的AI模型，簡稱為行星軌道構形穩定器(Klassifier或SPOCK)。該模型可以預測系外行星的路徑，并確定哪些將保持穩定，哪些會墜落到其他世界或恒星中，這比人類以往所能精確得多，規模更大。AI模型的名稱是基于《星際迷航》系列中星際飛船Enterprise所鐘愛的半沃爾坎和半人類副駕駛Spock先生的。該研究的主要作者丹尼爾·塔瑪約(Daniel Tamayo)是普林斯頓大學天體物理科學領域的美國國家航空航天局哈勃研究計劃研究員Sagan研究員，他在一份聲明中解釋說：“我們之所以稱其為SPOCK模型，部分原因是該模型決定了系統是否會“長壽和繁榮”。 ”

包括牛頓在內的早期天文學家都在努力解決軌道穩定性問題。盡管這引發了數學革命，包括微積分和混沌理論，但沒人能從理論上預測穩定構型。Tamayo和他的同事意識到，他們可以通過將行星動力相互作用的簡化模型與機器學習方法相結合來加快這一過程。這樣就可以消除大范圍的不穩定軌道配置，并消除頻率不穩定現象，使之迅速陷入交叉軌道。使用SPOCK，可以確定行星結構的長期穩定性大約快100,000倍。

Tamayo表示：“雖然SPOCK不能幫助我們理解行星的穩定性，但它可以可靠地識別緊湊型系統中的快速不穩定性，從而可以幫助他們實現這一目標。當嘗試進行穩定性受限的表征時，這是最重要的。借助新的AI模型，我們可以了解繞行行星的動力學，包括我們太陽系中的行星。”他補充說：“我們不能斷然地說'這個系統可以，但是很快就會崩潰。'“相反，目標是，對于給定的系統，排除所有可能已經碰撞并且目前尚不存在的不穩定可能性。”這項研究的合著者包括研究生Miles Cranmer和David Spergel，普林斯頓大學的查爾斯·A·揚格教授，1897年榮譽基金會天文學青年班。

普林斯頓大學天體科學系主任邁克爾·斯特勞斯教授解釋說，通過SPOCK，“我們希望能夠詳細了解大自然所允許的全部太陽系結構。”NASA系外行星檔案館的天體物理學家杰西·克里斯蒂安森說，SPOCK有助于理解開普勒望遠鏡最近發現的一些微弱，遙遠的行星系統。她說：“很難用我們現有的儀器來限制它們的性能。”“他們是巖石行星，冰巨人還是天然氣巨人?還是新東西?這種新工具將使我們能夠排除可能動態不穩定的潛在行星組成和構造，并且它使我們能夠比以前更精確，更大規模地進行工作。”

繼去年關于AI如何在各種項目中幫助太空科學家的令人振奮的消息傳出之后，行星科學AI的這一有趣發展。2019年3月，得克薩斯大學奧斯汀分校的天文學家與Google合作，利用AI在開普勒太空望遠鏡檔案庫中發現了另外兩個隱藏行星(開普勒的擴展任務稱為K2)。在那里，他們使用了一種AI算法，該算法可以篩查開普勒(Kepler)采集的數據，從而找出傳統行星搜索方法遺漏的信號。這幫助發現了在水瓶座星座中的行星K2-293b繞著1,300光年遠的恒星旋轉，并且也在位于水瓶座中的行星K2-294b繞著了1,230光年遠的恒星旋轉。11月，人工智能“發現”地球圍繞太陽旋轉。這是有可能的，因為蘇黎世瑞士聯邦理工學院(ETH)的物理學家Renato Renner及其合作者設計了基于機器學習的神經網絡模型，以幫助物理學家解決量子力學中的明顯矛盾。