中国科学院上海天文台教授葛健带领的国际研究团队，在探索宇宙奥秘方面取得了突破性进展。他们创新性地应用深度学习算法，成功发现了5颗直径小于地球、轨道周期不足一天的超短周期行星。这一成果标志着天文学家首次利用人工智能技术，同时完成了疑似信号搜寻和真信号识别的任务，相关研究已在《皇家天文学会月报》上发表。
超短周期行星，因其表面高温和频繁的火山活动，被天文学家形象地称为“熔岩世界”。这类行星的首次发现是在2011年，基于开普勒望远镜提供的测光数据，它们的存在为行星形成理论带来了新的机遇和挑战。
葛健教授在2015年受到人工智能AlphaGo的启发，开始尝试将深度学习技术应用于开普勒数据集的分析。他表示，为了从海量数据中有效提取有价值的信息，需要开发新的算法并进行针对性训练，以实现快速、准确、全面的微弱信号探测。
经过近十年的努力，葛健团队终于取得了显著的成果。他们的深度学习新算法在搜寻速度上比国际流行的算法提高了约15倍，显著提升了凌星信号的搜索速度、精度和完备度。在开普勒数据集中，这套算法成功识别出了5颗新的超短周期行星，其中4颗是迄今为止发现的距其主星最近的最小行星，大小与火星相近。
葛健教授表示，这些新发现的超短周期行星为我们提供了更多样化的系外行星样本，将有助于我们更深入地理解超短周期行星的形成机制。
