借助人工智能技术，宇宙的神秘面纱再次被揭开。中国科学院上海天文台教授葛健率领的国际团队，创新性地运用深度学习算法，在浩瀚的星海中发现了5颗直径小于地球、轨道周期不足1天的超短周期行星。这一突破性成果标志着天文学家首次利用人工智能，同时完成了疑似信号搜寻和真信号识别的双重任务，相关研究已在《皇家天文学会月报》上发表。
超短周期行星，因其极端的环境条件和独特的科学价值，被天文学家形象地称为“熔岩世界”。这些行星表面温度极高，频繁的火山喷发活动更是其显著特征。自2011年首颗超短周期系外行星在开普勒望远镜数据中被发现以来，这类天体就为行星形成理论带来了全新的机遇与挑战。
葛健教授在人工智能AlphaGo的启发下，开始尝试将深度学习技术应用于开普勒数据集的分析。他强调，为了从海量数据中有效提取出有价值的信息，必须发展新算法并进行针对性训练，以确保能够迅速、准确、全面地探测到那些稀少而微弱的信号。
经过不懈的努力，葛健团队终于研发出了新的深度学习算法。与国际上流行的算法相比，其搜寻速度提高了约15倍，显著提升了凌星信号的搜索速度、精度和完备度。利用这套算法，团队在开普勒数据集中成功识别出了5颗新的超短周期行星，其中4颗更是迄今为止发现的距其主星最近的最小行星，大小与火星相仿。
“这些新发现的超短周期行星为我们提供了更加多样化的系外行星样本，有助于我们更深入地理解这类特殊行星的形成机制。”葛健教授表示。
