近期，由中国（guó）科学院上海（hǎi）天文（wén）台的（de）葛健（jiàn）教授领导的一个国际（jì）科研团队，在运（yùn）用人工智能技术（shù）分析开普勒太（tài）空望远镜（jìng）于2017年发布的恒星光度数据中，取得了突破性成果，他们发现了5颗前所未有（yǒu）的超（chāo）短周期行星（xīng）。这些行（háng）星的（de）直径均小于地球，且围绕（rào）其主星（xīng）旋转的（de）周期不足一天，其中4颗与火星大小相（xiàng）仿，是迄（qì）今为（wéi）止探（tàn）测到的距离主星最近的（de）微型行星。这一（yī）发现标志着天文学家首次利用人工智能（néng）技（jì）术，在（zài）同一过程中既（jì）搜寻到疑（yí）似信号又（yòu）成功识别（bié）出真实信（xìn）号，相关研究成（chéng）果已在《皇家天文学会（huì）月报》（MNRAS）这一（yī）国际天文学权威（wēi）期刊上发表。

艺术构想图示（shì）展示了（le）这（zhè）些新发（fā）现的、类似（sì）火星大小的超短周期系外（wài）行星。由于它（tā）们与主星的距离极近（jìn），这些行（háng）星的表面温度极高，同时受到强烈的潮汐力作（zuò）用，导致（zhì）其内部结构（gòu）和表面形态受到挤压，可能（néng）引发频繁的火山活动。（绘图：石琰（yǎn））

超短周期系外行星的概（gài）念自2011年起，便（biàn）随着（zhe）开普勒太空（kōng）望远镜的光度数据而（ér）进（jìn）入（rù）科学视野，为（wéi）行星形（xíng）成理论带来了新（xīn）的视角和挑战，促使（shǐ）科（kē）学界重（chóng）新评估（gū）并完（wán）善了现有的行星系统形成与演化模型。

葛健教授指出，超短周期行星的发现对于研究行星系统的早（zǎo）期发展阶段、行星间的相互（hù）作用（yòng）以（yǐ）及恒星与行星间的（de）动态关（guān）系（包（bāo）括潮汐力和大气侵蚀效应）具有重要（yào）意义。这类（lèi）行星可能并非在其当前（qián）位（wèi）置形成（chéng），而是经历了从更远轨（guǐ）道（dào）向内（nèi）的迁移。考虑到这些行星的主星在其早期形（xíng）成阶（jiē）段体积远大于（yú）现在，那（nà）些原本就（jiù）靠（kào）近恒星的超短周期（qī）行（háng）星若在那个（gè）时期就已存在（zài），很（hěn）可能已被（bèi）主星（xīng）吞噬（shì）。此外，鉴于超短周（zhōu）期（qī）行星往（wǎng）往伴随着轨道周期较长的外部行星（xīng）被发现，科学家推（tuī）测，超（chāo）短（duǎn）周期行星的（de）起（qǐ）源可能（néng）与行星（xīng）间的相互作用（yòng）有关，这（zhè）些相互（hù）作（zuò）用将超短（duǎn）周期行星（xīng）重新安置到了它们现在紧邻（lín）主（zhǔ）星的轨道上，这些轨道在恒星形（xíng）成（chéng）初期可能原（yuán）本（běn）由恒星自身占据。另外，这种轨道迁移也可能是由原（yuán）行（háng）星盘的相互作用或与主星的潮汐相互作用所（suǒ）驱动的。

然而，超短周期行星在类似（sì）太阳（yáng）的（de）恒星周（zhōu）围（wéi）相（xiàng）对罕见，发生率仅为（wéi）约（yuē）0.5%，通常其半径小（xiǎo）于（yú）地球的两（liǎng）倍，或是在极端情况下，如（rú）超（chāo）热木星，其半（bàn）径（jìng）可超过（guò）地（dì）球的十倍。迄（qì）今为止，人类总共仅探测到145颗超短周期行星，其中仅30颗的半（bàn）径小于地球。葛健表示：“由于样本量有限，我们对超短周（zhōu）期行星的（de）了（le）解仍然非常有限（xiàn），难以（yǐ）准确掌握它们的统（tǒng）计特（tè）征和出现率。”

这（zhè）项新（xīn）研（yán）究（jiū）为（wéi）探索超短周期行星提供了创新（xīn）的途（tú）径——研究团队开发了一（yī）种（zhǒng）结合图形处理器（GPU）相位折叠技术和卷积神经（jīng）网络的深度学习算法（fǎ）。普林斯顿大（dà）学的天体物理学家乔（qiáo）西·温教授对此评论道：“超短周期行星，或（huò）称‘熔岩世界’，因其极端且出人意料的（de）特性，为（wéi）我们揭示（shì）了行星轨（guǐ）道随时间变化的线索。我曾以为（wéi）开普勒数据中的凌星信号（hào）已（yǐ）被充分挖（wā）掘，不会再（zài）有新（xīn）行星被发现。但这项新技（jì）术（shù）的应用成（chéng）就（jiù）令我深感震撼。”

葛健（jiàn）透露，这（zhè）项（xiàng）工作（zuò）的实际启动可追溯至2015年。当时（shí），在佛罗里达大学计算机系李晓林（lín）教（jiāo）授的启发（fā）下，他们开始尝试（shì）将人工智能的深度学（xué）习技术应用于开普（pǔ）勒发布的光度数据，以（yǐ）期发现（xiàn）传统方法（fǎ）遗漏的微弱凌星信号（hào）。经过近十年的不懈努（nǔ）力，他们终于迎来了首次重（chóng）大（dà）发现。“要（yào）在海量的天文（wén）数（shù）据（jù）中利用人工（gōng）智能挖掘出极为罕见（jiàn）的新（xīn）天体，不仅需要创新的人工智能算（suàn）法，还需（xū）要（yào）基于新发现现象的（de）物理特征构建的大量人（rén）工数据集进行训练，以确保能够快速、准（zhǔn）确且全面地探测到这些在传统方法（fǎ）下难（nán）以捕捉的微弱信（xìn）号。”葛健强调。