近期，由中国（guó）科学院（yuàn）上海天文台的葛健教授领（lǐng）导的一个（gè）国（guó）际科研团（tuán）队，在运用人工智能（néng）技术分析开普勒太空（kōng）望（wàng）远镜于2017年发布的恒星光度数（shù）据（jù）中（zhōng），取得了（le）突破性成（chéng）果，他们发现了5颗前所未有的超短周期行星。这些行星的直径均小（xiǎo）于（yú）地球，且围绕其主星旋转的周期不（bú）足一天，其中4颗与火星大小相仿，是（shì）迄（qì）今为止（zhǐ）探测（cè）到（dào）的距离主星（xīng）最近（jìn）的微型行星。这（zhè）一发现标志（zhì）着天文学（xué）家首次利（lì）用人工智能技术，在同一过程（chéng）中既搜寻到疑（yí）似信（xìn）号（hào）又成功（gōng）识别出真实（shí）信号，相关研（yán）究成果已在《皇家天文学会月报》（MNRAS）这（zhè）一国际天文学权威（wēi）期（qī）刊上发表。

艺（yì）术构想图示展示了这些（xiē）新发现的、类似（sì）火星大小（xiǎo）的超短周期系外行星。由于（yú）它们与主（zhǔ）星的（de）距（jù）离极（jí）近，这（zhè）些行星（xīng）的表面温度极高，同时受到强烈的潮汐力作用（yòng），导致其内部结构和表面形态受到挤压（yā），可能引发频繁的（de）火山活动。（绘（huì）图：石琰（yǎn））

超（chāo）短周期系外行星的概念自2011年起，便随着开普勒太空望远镜（jìng）的光度数据而进（jìn）入（rù）科（kē）学视野，为（wéi）行星形成理论带（dài）来了新的视角和挑战，促使科学界重新评估并完善了现有的行星（xīng）系统形成与演化模型（xíng）。

葛健教授指出，超短周期行星的发现对（duì）于研究行（háng）星系统的（de）早期发展阶段、行星间的相互作用（yòng）以及恒（héng）星与行（háng）星间的动态（tài）关系（包括（kuò）潮汐（xī）力和大气侵蚀效应）具有（yǒu）重要意义。这类行（háng）星可能并非在其当前位置形成，而是经历了从更远轨道向内的迁移。考虑（lǜ）到这些行星的主星在其早（zǎo）期形成阶（jiē）段体积（jī）远（yuǎn）大于（yú）现在，那些原本就靠（kào）近恒星的超短周期（qī）行星若在那个时期就已存在，很可能已被主星吞（tūn）噬。此外（wài），鉴（jiàn）于（yú）超短周期行（háng）星（xīng）往往伴（bàn）随着轨道周（zhōu）期较长的（de）外部行星被（bèi）发现（xiàn），科学家推测，超（chāo）短周（zhōu）期行（háng）星的起源（yuán）可能与行星间的（de）相互作（zuò）用有关，这些相互作用（yòng）将超短周期行星重新安置到了它们现（xiàn）在（zài）紧邻主星的轨道上，这些轨道（dào）在恒星形成初期可能原本由（yóu）恒（héng）星自（zì）身占据。另外，这种轨道迁移也（yě）可能是由原（yuán）行星盘的（de）相互作用或与主星的潮汐相互作用所驱动的（de）。

然而（ér），超（chāo）短周期行星在类似太阳的恒（héng）星周围相对罕见，发生（shēng）率仅为约0.5%，通常其半径小（xiǎo）于地球的两倍（bèi），或是在极端（duān）情况（kuàng）下，如（rú）超热木（mù）星，其半径可（kě）超过地球的十倍。迄今（jīn）为止，人类（lèi）总（zǒng）共仅（jǐn）探测到145颗超短周期行星（xīng），其中仅30颗的半径（jìng）小于地球。葛健表示：“由（yóu）于（yú）样本量有限，我们对超短周（zhōu）期（qī）行（háng）星的了解（jiě）仍然非常有限，难以准确掌握它们的统（tǒng）计特征和出现（xiàn）率。”

这（zhè）项新研（yán）究为（wéi）探索超（chāo）短周期行星提供了（le）创新的途径——研究团队开发了一种结合（hé）图形处理器（GPU）相（xiàng）位折叠技术和卷积神经网络的深度学习算法（fǎ）。普林（lín）斯（sī）顿大学（xué）的天体物理学家乔西·温教授（shòu）对此评论道：“超短周期行星，或称‘熔（róng）岩世（shì）界’，因其极端且（qiě）出（chū）人意料的特性，为我们揭示了行星（xīng）轨道随时间变（biàn）化的线索（suǒ）。我曾以（yǐ）为开普勒数据中的（de）凌星（xīng）信号已被充分（fèn）挖掘（jué），不（bú）会（huì）再（zài）有（yǒu）新行（háng）星被发现（xiàn）。但（dàn）这（zhè）项新技术的（de）应用成就令我（wǒ）深（shēn）感震撼。”

葛（gě）健（jiàn）透露（lù），这项（xiàng）工作的实际（jì）启（qǐ）动可追溯至2015年。当时（shí），在佛罗里达大学计（jì）算机（jī）系李晓林教授的启发下（xià），他们开始（shǐ）尝试将（jiāng）人工智（zhì）能的深度学习（xí）技（jì）术应（yīng）用于开普勒发（fā）布的光度数据，以期发现传统方法遗漏的微弱（ruò）凌星信号。经过近十年的不懈（xiè）努力（lì），他们终（zhōng）于迎来了首（shǒu）次重大发现。“要在海（hǎi）量（liàng）的天（tiān）文数据中（zhōng）利用（yòng）人工智能挖（wā）掘（jué）出极为罕见的新（xīn）天（tiān）体，不仅需要创新（xīn）的人工智能算法（fǎ），还需要（yào）基（jī）于（yú）新发现现象的物理特（tè）征（zhēng）构建的大量人工（gōng）数据集进行训练，以确保能够快速、准确（què）且全面（miàn）地（dì）探测到这些在（zài）传统方法（fǎ）下难以捕捉的微弱信号。”葛健强调。