近日，由中國科學院上海天文台葛健教授帶領的國際團隊創新了一種結合GPU相位折疊和卷積神經網絡的深度學習算法，並成功在開普勒望遠鏡2017年釋放的恆星測光數據中發現5顆直徑小於地球、軌道周期短於1天的超短周期行星，其中4顆是迄今為止發現的距其主星最近的最小行星，類似火星大小。
這是天文學家首次利用人工智能一次性完成搜尋疑似信號和識別真信號的任務。這些火星大小的行星提供了更加多樣化的系外行星樣本，為理解超短周期行星形成機制提供新線索。相關研究成果已發表在國際天文學期刊《皇家天文學會月報》上。
超短周期行星在類太陽恆星的發生率很低，隻有大約0.5%。到目前為止，總共找到145顆超短周期行星，其中隻有30顆小於地球半徑。經過5年努力，研究團隊成功開發新算法（GPFC），相比國際上流行的BLS法，該算法的搜尋速度提高了約15倍，檢測准確度和完備度分別提高約7%。
這些超短周期行星的存在，為行星系統的早期演化、行星—行星相互作用以及恆星—行星相互作用的動力學（包括潮汐力和大氣侵蝕）研究提供了重要線索，對行星形成理論研究有重大意義。該研究成果也充分顯現了人工智能在天文海量數據中探尋微弱信號的應用潛力。（記者 黃海華）
人民日報社概況關於人民網報社招聘招聘英才廣告服務合作加盟供稿服務數據服務網站聲明網站律師信息保護聯系我們
人 民 網 股 份 有 限 公 司 版 權 所 有 ，未 經 書 面 授 權 禁 止 使 用
