近日，由中國科學院上海天文臺葛健教授帶領(lǐng)的國際團隊，研發(fā)了一種結(jié)合GPU相位折疊和卷積神經(jīng)網(wǎng)絡(luò)的深度學習算法，并在開普勒（Kepler）2017年釋放的恒星測光數(shù)據(jù)中發(fā)現(xiàn)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(fā)現(xiàn)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(wù)。相關(guān)研究成果發(fā)表在《皇家天文學會月報》（MNRAS）上。

經(jīng)過5年的努力和創(chuàng)新，科研團隊開發(fā)了結(jié)合GPU相位折疊和卷積神經(jīng)網(wǎng)絡(luò)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%，提高了凌星信號搜索速度、精度和完備度。該算法已應(yīng)用于Kepler的數(shù)據(jù)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(fā)現(xiàn)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(nèi)，展現(xiàn)了新算法在搜尋微弱凌星信號的優(yōu)勢。

這些超短周期行星的存在為行星系統(tǒng)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）研究提供了關(guān)鍵線索，對行星形成理論研究具有重要意義。這一成果為在高精度光度觀測數(shù)據(jù)中快速而高效搜尋凌星信號提供了新的研究方式，顯現(xiàn)了人工智能在天文海量數(shù)據(jù)中探尋微弱信號的應(yīng)用潛力和前景。

論文鏈接

已知行星半徑和行星軌道半長軸分布以及五個新發(fā)現(xiàn)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(nèi)。

行星半徑小于1.5倍地球半徑與五個新發(fā)現(xiàn)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(guān)系圖。標記顏色對應(yīng)主星的有效溫度。新發(fā)現(xiàn)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。

藝術(shù)想象圖。新發(fā)現(xiàn)的類似火星大小的超短周期系外行星。由于離主星非常近，行星不僅表面溫度很高，而且潮汐力會擠壓行星內(nèi)部和表面進而產(chǎn)生很多火山噴發(fā)。