近（jìn）期，由中国科学院上（shàng）海天文台的葛健教授领导的一个国际科研团队，在运用人工智能技术（shù）分（fèn）析开普（pǔ）勒太空望远镜于2017年发（fā）布的恒星光度数据中，取得（dé）了突破性（xìng）成果，他（tā）们（men）发现了5颗前所未有的超（chāo）短周（zhōu）期行星。这些行星的直径（jìng）均小于地球，且（qiě）围绕其主星旋转的周（zhōu）期不足一天，其中4颗与火星大小相（xiàng）仿，是迄今（jīn）为（wéi）止探测到的距离（lí）主（zhǔ）星（xīng）最近的微型行（háng）星。这一发现标志着天（tiān）文学家首次利（lì）用人工智能技术，在（zài）同一过（guò）程中既搜（sōu）寻（xún）到疑（yí）似（sì）信号又成功识别出真实信号，相关（guān）研究成果（guǒ）已在《皇家天（tiān）文学会月报》（MNRAS）这一（yī）国际天文学权威期刊上发表（biǎo）。

艺术构想图示展示了这些（xiē）新发现的、类似（sì）火星（xīng）大小的超短周期系（xì）外行星。由于（yú）它们与主星的距离极近，这些（xiē）行（háng）星的表面（miàn）温（wēn）度（dù）极高（gāo），同（tóng）时受（shòu）到强烈的潮汐力（lì）作用，导致其内部结构（gòu）和表（biǎo）面形态受到挤压，可能引发频（pín）繁的火山（shān）活动。（绘图：石琰）

超短周期系外行星的概念自2011年起（qǐ），便随着（zhe）开普（pǔ）勒太空望远镜的光度数（shù）据（jù）而进入科（kē）学（xué）视野，为行星形成理论带来了新（xīn）的（de）视角和挑（tiāo）战（zhàn），促使科学（xué）界重新评估并完善了现有的行星系统形（xíng）成与演化模型。

葛健（jiàn）教授（shòu）指（zhǐ）出，超短周（zhōu）期行星的发现（xiàn）对（duì）于研究行星系统的早（zǎo）期发展阶段、行星间的（de）相互作用以及恒星与行（háng）星间的动态关系（包括（kuò）潮汐（xī）力（lì）和大气侵蚀（shí）效应）具有重要意义。这类（lèi）行星可能并（bìng）非在其当（dāng）前位置（zhì）形成，而是（shì）经（jīng）历了从更远轨道向（xiàng）内的迁移。考虑到这些行星的主星在其早（zǎo）期形成阶段体积远大于（yú）现（xiàn）在，那些（xiē）原本（běn）就靠近恒星的超短周期（qī）行（háng）星若在那个（gè）时期就已（yǐ）存在，很可能已被主星吞噬。此外，鉴于（yú）超短周（zhōu）期行星往往伴随（suí）着（zhe）轨道（dào）周期（qī）较（jiào）长的外部行（háng）星被发现，科学家推测，超短周（zhōu）期行星的起源可能与行星（xīng）间的（de）相互作（zuò）用有关，这（zhè）些相互作用将超短周（zhōu）期行星重（chóng）新安置到了它们现（xiàn）在紧邻（lín）主星（xīng）的轨道（dào）上，这些轨道在恒星形成初期可能原本由恒星自身占据。另外，这种轨道迁移也（yě）可能（néng）是由原（yuán）行星（xīng）盘（pán）的（de）相互作（zuò）用或与主星的（de）潮汐（xī）相互作用（yòng）所驱动（dòng）的。

然而，超短周（zhōu）期行星在（zài）类似太阳的恒星周围相对罕见，发生（shēng）率仅（jǐn）为约0.5%，通常（cháng）其半径小于地球的两倍，或（huò）是在极端情（qíng）况下（xià），如超（chāo）热木星，其半径可超过（guò）地（dì）球的十倍。迄今为止，人类总共仅探（tàn）测到145颗（kē）超（chāo）短周期行星，其（qí）中仅（jǐn）30颗的半径小于地球。葛健表示：“由于样本量有限，我（wǒ）们对超短周期行星的了解仍然非常（cháng）有限，难以准确掌握它（tā）们的统（tǒng）计特征（zhēng）和出现率（lǜ）。”

这项新研究为探索超短周（zhōu）期行（háng）星提供了（le）创新的途径——研（yán）究团队开发（fā）了（le）一种结合图形处理器（GPU）相位折叠技术和卷积（jī）神（shén）经网络（luò）的深度学习算法。普（pǔ）林斯顿大学（xué）的天（tiān）体物（wù）理学家乔西·温教授对（duì）此评论道：“超短（duǎn）周（zhōu）期行星，或（huò）称（chēng）‘熔岩世界’，因其极端且出（chū）人（rén）意料的（de）特（tè）性，为我（wǒ）们揭（jiē）示（shì）了行星轨（guǐ）道随时间变化的线索（suǒ）。我曾以为开普勒数据中的凌星信号已被充分挖掘，不（bú）会再（zài）有（yǒu）新（xīn）行星被发现。但这（zhè）项新技术的应用成就令我深感震撼。”

葛健透露（lù），这（zhè）项工作的实际启（qǐ）动可追溯至2015年。当时，在（zài）佛罗里达（dá）大学计（jì）算机系李（lǐ）晓林教（jiāo）授的启发下，他们开始尝试将人工（gōng）智能（néng）的深（shēn）度学习技术应用于开普勒发布的光度数据，以（yǐ）期发现传（chuán）统方法遗漏的微弱凌星（xīng）信号（hào）。经过近十年的不懈努力（lì），他们终（zhōng）于迎来（lái）了首次重大发现。“要在海（hǎi）量的天文数据中利用人工智能挖掘出极为罕见的（de）新（xīn）天体，不仅（jǐn）需要创新的人（rén）工智能（néng）算法，还（hái）需要基于（yú）新（xīn）发现现象（xiàng）的物理特征构（gòu）建的大量人工数据集进行（háng）训练，以确保能够快速、准确且全面地探测到这些在传统（tǒng）方（fāng）法下难以捕（bǔ）捉的（de）微（wēi）弱信号。”葛（gě）健强（qiáng）调。