您尚未登录账户
您的企业账号申请正在审核中
中国科学院利用人工智能，发现五颗超短周期行星
近日，一支由中国科学院上海天文台葛健教授领衔的国际科研团队宣布了一项重大发现。他们利用一种全新的深度学习算法，在开普勒（Kepler）太空望远镜于2017年发布的恒星测光数据中，成功识别出五颗直径小于地球、轨道周期不足一天的超短周期行星。这一成果不仅标志着天文学家在利用人工智能技术搜寻和识别天体信号方面取得了重要突破，还为行星科学领域的研究提供了新的重要线索。
据悉，科研团队经过五年的不懈努力，成功研发出一种名为GPFC的新算法。该算法巧妙地将GPU相位折叠技术与卷积神经网络相结合，极大地提高了凌星信号的搜索速度、精度和完备度。与传统的BLS法相比，GPFC算法在搜寻速度上提升了约15倍，同时在检测准确度和完备度方面也分别提高了约7%。
应用这一先进算法，科研团队在开普勒数据集中发现了五颗新的超短周期行星，它们分别是Kepler-158d、Kepler-963c、Kepler-879c、Kepler-1489c和Kepler-2003b。其中，Kepler-879c、Kepler-158d、Kepler-1489c和Kepler-963c在迄今为止发现的最小超短周期行星中分别占据第一、第二、第三和第五的排名。而Kepler-879c、Kepler-158d、Kepler-1489c和Kepler-2003b则是距离其主星最近的小型行星，其轨道半径均在5个恒星半径以内。
这些新发现的超短周期行星对于研究行星系统的早期演化、行星之间的相互作用以及恒星与行星之间的动力学关系具有重要意义。特别是它们所展现出的微弱凌星信号，更是对GPFC算法在搜寻高精度光度观测数据中的微弱信号能力的有力证明。
相关研究成果已发表在《皇家天文学会月报》（MNRAS）上。这一成果不仅为天文学界提供了一种新的研究方式，即利用人工智能技术在天文海量数据中快速而高效地搜寻凌星信号，还展现了人工智能在推动天文学研究发展方面的巨大潜力和广阔前景。
葛健教授表示，这一成果的取得离不开团队成员的共同努力和持续创新。未来，他们将继续深化人工智能技术在天文学领域的应用，为人类探索宇宙奥秘贡献更多智慧和力量。
