新發現的類似火星大小的超短周期系外行星。由于離主星非常近，行星不光表面溫度很高，而且潮汐力會擠壓行星內部和表面產生很多火山噴發。此為藝術想象圖（制圖：石琰）

近日，由中國科學院上海天文臺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，并成功在開普勒（Kepler）2017年釋放的恒星測光數據中發現了五顆直徑小于地球、軌道周期短于1天的超短周期行星，其中四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，相關研究成果發表在國際天文學期刊《皇家天文學會月報》（MNRAS）上。

已知行星半徑和行星軌道半長軸分布以及五個新發現的超短周期行星（紅點）。四個新的超短周期行星——Kepler-158d、Kepler-879c、Kepler-1489c和Kepler-2003b——是最接近它們主星的最小行星之一，其軌道在5個恒星半徑以內。

經過5年的努力和創新，研究團隊成功開發了結合GPU相位折疊和卷積神經網絡的深度學習的新算法（GPFC）。該算法比國際上流行的BLS法搜尋速度提高了約15倍，檢測準確度和完備度各提高約7%，顯著提高了凌星信號搜索速度、精度和完備度。

該算法已成功應用在Kepler的數據集中，并識別出五顆新的超短周期行星：Kepler-158d、Kepler-963c、Kepler-879c、Kepler-1489c和Kepler-2003b。其中，Kepler-879c、Kepler-158d、Kepler-1489c和Kepler-963c分別位列迄今為止發現的最小超短周期行星中的第一、第二、第三和第五名。Kepler-879c、Kepler-158d、Kepler-1489c和Kepler-2003b是最接近其主星的小型行星，其軌道半徑在5個恒星半徑以內，展現了新的算法在搜尋微弱凌星信號的優勢。

行星半徑小于1.5倍地球半徑與五個新發現的超短周期行星（紅圈標記）及NASA系外行星檔案中已確認系外行星的主星開普勒星等的關系圖。標記顏色對應主星的有效溫度。新發現的超短周期行星的主星是類太陽恒星（有效溫度～5000-6000K）中最暗的目標，顯示新的探測方法的超高靈敏度。

這些超短周期行星的存在為行星系統的早期演化、行星-行星相互作用以及恒星-行星相互作用的動力學（包括潮汐力和大氣侵蝕）研究提供重要線索，對行星形成理論研究有重大意義。

該研究成果對在高精度光度觀測數據中快速、高效搜尋凌星信號提供了新的研究方式，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廣泛應用潛力和前景。

作者：許琦敏

文：許琦敏 圖：受訪者提供 編輯：許琦敏 責任編輯：任荃

轉載此文請注明出處。