近期，由中国科学（xué）院上海天文台的葛（gě）健（jiàn）教授领导的（de）一个国际（jì）科研团队，在运用人工智能技（jì）术（shù）分析开普（pǔ）勒太空望远（yuǎn）镜于2017年发布的恒（héng）星光度数据中，取得了突破性成果，他们发（fā）现（xiàn）了（le）5颗前所未有的超短周（zhōu）期行星。这些行星（xīng）的直径均小于（yú）地球（qiú），且围绕其主星（xīng）旋转的周期不足一天（tiān），其中4颗与火（huǒ）星（xīng）大（dà）小相仿，是迄今为止探测到的距（jù）离主（zhǔ）星最近的（de）微型行星（xīng）。这一（yī）发现标志着天文学（xué）家首次（cì）利用人工智能技术，在同一过程中既搜寻到疑似信号又成功（gōng）识别出真实信号，相关研究成果已在《皇家（jiā）天文学会月报》（MNRAS）这一国际天文学权威期刊（kān）上发表。

艺术构想图示展示了（le）这（zhè）些新发现的、类似火星大小的超短周期系外行星。由（yóu）于它们与（yǔ）主星的（de）距离极近，这些行星（xīng）的表面（miàn）温（wēn）度（dù）极高（gāo），同时受（shòu）到强烈（liè）的潮汐力作用，导致其（qí）内部结构和表面（miàn）形态受到挤压（yā），可能引发（fā）频繁的火（huǒ）山活动。（绘（huì）图：石（shí）琰）

超短周期系外行星的（de）概念自2011年起（qǐ），便随着开普勒太空望远镜的光（guāng）度数据而进入科学视野，为行星形（xíng）成理论带来了新的（de）视角和挑战，促使科（kē）学界重新评估并完善了（le）现有的行星系（xì）统（tǒng）形成与演化模型。

葛健教授指出，超短周期行星的（de）发现对于研究行星（xīng）系（xì）统的（de）早（zǎo）期发展（zhǎn）阶段、行星（xīng）间的相互作用以及恒（héng）星与行星间的（de）动态关系（xì）（包（bāo）括（kuò）潮汐力和大气侵蚀效应）具有重要意义。这（zhè）类行星（xīng）可能并非在其当前位（wèi）置形（xíng）成（chéng），而是经历了从更远轨道向（xiàng）内的迁（qiān）移。考虑（lǜ）到这些行星（xīng）的主星在其早期形成阶段体积远大（dà）于现在，那些原（yuán）本就靠近（jìn）恒星的（de）超（chāo）短周期（qī）行星若在那个时期就已存（cún）在，很可能已被主星吞噬。此（cǐ）外，鉴（jiàn）于超（chāo）短周期行（háng）星往（wǎng）往伴随着轨道周期较长的（de）外部（bù）行星被发现，科学家推测，超短周期行星的起源可能（néng）与行星间的相互作用有关，这些相互（hù）作用（yòng）将超短周（zhōu）期（qī）行星重新安置到了它（tā）们（men）现在紧邻主星（xīng）的轨道上，这（zhè）些轨（guǐ）道在恒星形成初期可能原本由（yóu）恒星（xīng）自身占据。另外（wài），这种轨道迁移也可能（néng）是（shì）由原行星盘的相（xiàng）互作用或与主星的潮汐相（xiàng）互作用所驱动的。

然（rán）而，超短周期行星在类似太阳的恒星（xīng）周（zhōu）围相对罕见（jiàn），发（fā）生率（lǜ）仅为约0.5%，通常其半（bàn）径小于地球的两倍，或是在极端情况下，如超热（rè）木星，其半径可（kě）超过地球的十倍。迄今为（wéi）止，人类总共仅探测到145颗超短周期行星，其中仅30颗的（de）半径小于地球。葛健表示：“由于样本量（liàng）有限，我们对超短周（zhōu）期行（háng）星的了解仍然非（fēi）常有（yǒu）限，难（nán）以准确掌（zhǎng）握它们的统计特（tè）征和出现率（lǜ）。”

这项新研究为探索超（chāo）短周期行星提供（gòng）了创新的途（tú）径——研究团队（duì）开发了一种（zhǒng）结（jié）合图形处理器（qì）（GPU）相位折叠技（jì）术（shù）和卷积（jī）神经（jīng）网络的深（shēn）度学习算（suàn）法。普林斯顿大学的天体物理学家乔西·温教授对（duì）此评（píng）论道：“超短周期（qī）行星，或称‘熔（róng）岩世界’，因其极端且出人意（yì）料的（de）特性（xìng），为我们揭示了行星轨道随时间（jiān）变化的线索（suǒ）。我（wǒ）曾以为开普勒（lè）数据中（zhōng）的凌（líng）星信号已（yǐ）被充分挖掘（jué），不会再有（yǒu）新行（háng）星被发现（xiàn）。但（dàn）这（zhè）项新（xīn）技术的应用成就令我深感震撼。”

葛健透露（lù），这项工作（zuò）的实际启动可（kě）追溯至2015年。当时，在佛罗里达大学计算机系李（lǐ）晓林教授的启发下，他们（men）开始尝（cháng）试（shì）将人工智能的深度学习技术应用于开普勒发布的光度数据，以期发现传（chuán）统（tǒng）方（fāng）法（fǎ）遗（yí）漏的微（wēi）弱凌星信号。经过近十年的（de）不懈努（nǔ）力（lì），他们终于迎来了首次重大（dà）发现。“要在海量的天文数（shù）据中（zhōng）利（lì）用人（rén）工智能挖（wā）掘出极为罕见的（de）新（xīn）天体（tǐ），不（bú）仅需要创新（xīn）的（de）人（rén）工智能算法（fǎ），还需要基（jī）于新发现现象的物理特征构建的大量人工数据（jù）集进（jìn）行（háng）训练，以（yǐ）确保能（néng）够快速、准（zhǔn）确且全面地探测（cè）到这些（xiē）在传统方法下难以捕捉的微弱信号。”葛健强调。