记者14日从中国科学院获悉，利用人工智能技术，中国科学院上海天文台等单位的科研人员发现了五颗直径小于地球、轨道周期短于1天的超短周期行星。其中四颗，是迄今为止发现的距其主星最近的最小行星，大小类似火星。这是天文学家首次利用人工智能一次性完成搜寻疑似信号和识别真信号任务。相关研究成果在线发表于《皇家天文学会月报》。
艺术想象图。石琰 制图
超短周期行星是指那些轨道周期小于1天的行星，它们以极近的距离环绕其主恒星运行，通常体积较小、质量较轻，表面温度极高。到目前为止，天文学家共找到145颗超短周期行星，其中只有30颗半径小于地球半径。“理解超短周期行星的相对丰度及其特性，对于检验理论模型至关重要。然而，已知的超短周期行星样本量太小，它们的统计特征和出现率很难精确了解。”论文通讯作者、中国科学院上海天文台研究员葛健说。
此次，葛健团队创新设计了一种结合GPU相位折叠和卷积神经网络的深度学习算法。利用该算法，他们成功在开普勒太空望远镜的恒星测光数据中发现五颗超短周期行星。
“这些超短周期行星的发现，为行星系统的早期演化、行星-行星相互作用以及恒星-行星相互作用的动力学（包括潮汐力和大气侵蚀）研究提供重要线索，对行星形成理论研究有重大意义。”葛健说，这项研究为在高精度光度观测数据中快速、高效搜寻凌星信号提供了新的研究方式，也充分显现了人工智能在天文海量数据中探寻微弱信号的广泛应用潜力和前景。
