米兰-首次！用AI发现5颗超短周期行星—新闻—科学网

近日，由中国科学院上海天文台传授葛健率领的国际团队，立异了一种深度进修算法，成功在开普勒卫星2017年释放的恒星测光数据中发现了5颗直径小在地球、轨道周期短在1天的超短周期行星，此中4颗是迄今为止发现的距其主星比来的最小行星，近似火星巨细。

这是天文学家初次操纵人工智能（AI）一次性完成搜索疑似旌旗灯号和辨认真旌旗灯号的使命，相干研究功效颁发在《皇家天文学会月报》。

艺术想象图。中国科学院上海天文台供图

终究有了第一份收成

2015年，人工智能AlphaGo获得重年夜冲破，打败了围棋界的职业高手。

葛健受美国佛罗里达年夜学计较机系同事李晓林传授的鼓励和开导，决议试图把AI的深度进修利用在开普勒卫星释放的测光数据中，寻觅开普勒卫星利用传统方式没能找到的微弱凌星旌旗灯号。

要想利用人工智能在海量的天文数据中 挖 到极为希少的新发现，就需要立异的人工智能算法，同时用人工数据集做练习，使之能快速、正确、完整地探访到这些很难在传统体例下找到的希少而微弱的旌旗灯号。 葛健说。

颠末5年的尽力和立异，研究团队成功开辟告终合图形处置器（GPU）相位折叠和卷积神经收集的深度进修的新算法GPFC，此中，在GPU上并行化的快速折叠算法可以提凹凸信噪比的凌星旌旗灯号，实现高精度快速搜刮，而卷积神经收集架构由19层神经收集构成。

因为已知的凌星旌旗灯号真实样本太少，不克不及有用、切确练习神经收集，研究团队按照凌星旌旗灯号图象的物理特点，立异性地设计和生成了各类可能的凌星旌旗灯号，然后插手200万个操纵开普勒卫星真实光变数据人工合成的光变曲线，并对神经收集进行练习。

接下来，他们将练习后的神经收集再利用在开普勒卫星的数据集中，同时，和GPU快速折叠算法一路利用，搜索数据中的超短周期凌星旌旗灯号。

终究，这类GPFC新算法比国际上风行的进步前辈的BLS法搜索速度提高了约15倍，检测正确度和完整度各提高约7%，帮忙团队发现了5颗半径很小的超短周期行星。

颠末近10年的尽力，我们终究有了第一份收成。 葛健感伤。

原觉得开普勒数据已被 发掘殆尽

操纵新算法，科研团队在开普勒卫星的数据集中，辨认出5颗新的超短周期行星，此中，有4颗位列迄今为止发现的最小超短周期行星中的第1、第2、第三和第五名。

美国普林斯顿年夜学传授、天体物理学家Josh Winn评论： 我原觉得开普勒卫星数据中的凌星旌旗灯号已被 发掘殆尽 ，不会再有其他行星发现，听到这些新的潜伏行星的动静，我很是兴奋，这项寻觅新行星的手艺成绩让我印象深入。

超短周期行星近似在 熔岩世界 ，是一种公转周期小在地球一天的行星，它们以极近的距离环抱其主恒星运行，凡是体积较小、质量较轻、概况温度极高。

这类行星在类太阳恒星中的呈现率年夜约只有0.5%，行星半径小在2倍地球半径，而在超热木星的环境下，行星半径会年夜在10倍地球半径。

2011年，科学家从开普勒卫星的测光数据中初次发现了超短周期系外行星。到今朝为止，一共只有145颗超短周期行星被找到，此中只有30颗半径小在地球半径。

葛健介绍，因为传统基在太阳系的行星构成理论并未猜测轨道比水星更接近的行星，超短周期系外行星的存在给行星构成理论带来了怪异的机缘和挑战，也为行星系统的初期演变、行星-行星彼此感化和恒星-行星彼此感化的动力学研究供给了主要线索，促使科学家从头审阅和完美现有的行星系统构成和演变模子。

理解超短周期行星的相对品貌和其特征，对查验理论模子相当主要。但是，已知的超短周期行星样本量太小，它们的统计特点和呈现率很难被切确领会。 葛健认为，该研究功效对在高精度光度不雅测数据中快速、高效搜索凌星旌旗灯号供给了新的研究体例，充实闪现了AI在天文海量数据中搜索微弱旌旗灯号的庞大利用潜力和普遍前景。

相干论文信息：

https://doi.org/10.1093/mnras/stae2155

特殊声明：本文转载仅仅是出在传布信息的需要，其实不意味着代表本网站不雅点或证实其内容的真实性；如其他媒体、网站或小我从本网站转载利用，须保存本网站注明的“来历”，并自大版权等法令责任；作者假如不但愿被转载或联系转载稿费等事宜，请与我们联系。