由中國科學院上海天文臺葛健教授率領的國際科研團隊，近期在恒星測光數據研究中取得了突破性進展。他們研發出一種結合GPU相位折疊和卷積神經網絡的深度學習算法GPFC，并成功在開普勒（Kepler）2017年釋放的數據中發現了五顆直徑小于地球、軌道周期短于1天的超短周期行星。
該算法相較于國際上流行的BLS法，搜尋速度提高了約15倍，檢測準確度和完備度也各提高了約7%，顯著提升了凌星信號的搜索速度、精度和完備度。
▲ 已知行星半徑和行星軌道半長軸分布以及五個新發現的超短周期行星（紅點）
這五顆新發現的行星分別是Kepler-158d、Kepler-963c、Kepler-879c、Kepler-1489c和Kepler-2003b。其中，Kepler-879c、Kepler-158d、Kepler-1489c和Kepler-963c位列迄今為止發現的最小超短周期行星中的前四和第五名，它們的大小類似火星，且距離其主星非常近。
這些新發現的超短周期行星對于研究行星系統的早期演化、行星-行星相互作用以及恒星-行星相互作用的動力學（包括潮汐力和大氣侵蝕）具有重要意義。它們為行星形成理論研究提供了新的關鍵線索。
該研究成果不僅展示了人工智能在天文學領域的應用潛力，還為在高精度光度觀測數據中快速而高效地搜尋凌星信號提供了新的研究方式。這一創新性的方法有望為未來的天文研究開辟新的道路。
