瑞士伯爾尼大學的一項新研究在探索宜居星球領域取得了顯著進展。科學家利用一款新開發的AI模型，成功預測了44個可能存在類地行星的恒星系統，該模型的準確率高達99%。
這一突破性成果由伯爾尼大學與瑞士國家行星研究能力中心（NCCR PlanetS）的聯合研究團隊共同宣布。他們開發的機器學習模型，專門用于識別可能包含類地行星的系外恒星系統，其精度前所未有。這項研究不僅加速了潛在宜居星球的搜尋進程，還為地外生命的探索開辟了新路徑。
該AI模型由Jeanne Davoult在伯爾尼大學空間與宜居性中心（CSH）開發，她與Yann Alibert和Romain Eltschinger教授緊密合作。為了訓練這一模型，團隊采用了“行星形成與演化伯爾尼模型”生成的合成數據。該模型能夠模擬行星系統形成的物理過程，通過這一訓練，AI模型能夠準確篩選出極可能存在至少一顆類地行星的恒星系統。
當這款經過訓練的模型應用于真實觀測數據時，它成功識別出了44個可能含有未知類地行星的恒星系統。這一發現對于歐洲空間局（ESA）即將實施的PLATO計劃及正在籌備中的LIFE項目來說，具有重要意義。兩者都以探測類地行星為主要目標，而伯爾尼大學的這一研究成果將為它們提供寶貴的預篩選目標。
PLATO計劃，即行星凌日與恒星振蕩探測計劃，將于2026年啟動。該計劃將利用凌日法和星震學技術搜尋宜居系外行星，并特別關注類太陽恒星周圍的天體。通過PLATO篩選出的最佳候選目標，將成為后續LIFE項目的觀測對象。LIFE計劃則計劃采用紅外光譜學與消零干涉測量技術，分析系外行星大氣中的水、甲烷等生物標志物。
伯爾尼大學的這項研究還展示了機器學習在天文研究中的巨大潛力。通過預先篩選目標，可以顯著提升太空任務的執行效率和成功率。這一成果不僅為天文學界帶來了希望，也為人類探索宇宙、尋找地外生命的夢想增添了新的動力。
在PLATO和LIFE項目即將啟動之際，伯爾尼大學的這一研究成果無疑為它們提供了有力的支持。通過這一研究，我們有望更深入地了解宇宙的奧秘，甚至發現生命的跡象。
