由中國科學院上海天文臺葛健教授率領的國際科研團隊，近期在利用人工智能技術對開普勒太空望遠鏡2017年發布的恒星測光數據進行深度挖掘時，成功發現了5顆直徑小于地球、軌道周期不足1天的超短周期行星。這一發現不僅標志著天文學家首次利用人工智能一次性完成疑似信號搜尋和真信號識別的任務，而且這5顆行星中的4顆還是迄今為止發現的距離其主星最近的最小行星，大小與火星相當。相關研究成果已在國際天文學期刊《皇家天文學會月報》上發表。
超短周期行星自2011年首次在開普勒太空望遠鏡的測光數據中被發現以來，便為行星形成理論帶來了新的機遇和挑戰，促使科學家們重新審視和完善現有的行星系統形成和演化模型。葛健指出，超短周期行星的存在為行星系統的早期演化、行星間的相互作用以及恒星與行星間的動力學研究提供了寶貴線索。
據葛健介紹，超短周期行星很可能并非在其當前位置形成，而是經歷了從原始軌道向內遷移的過程。這是因為這些行星的主星在形成初期半徑遠大于現在，若超短周期行星在恒星形成階段就位于其附近，很可能早已被吞噬。同時，鑒于經常觀察到超短周期行星伴有較長周期軌道的外部行星，因此推測其起源涉及行星間的相互作用，這些相互作用將超短周期行星重新定位到它們當前靠近主星的軌道上。
截至目前，人類總共只發現了145顆超短周期行星，其中半徑小于地球的僅有30顆。葛健表示：“我們對超短周期行星的了解還非常有限，因為樣本量太小，很難精確掌握它們的統計特征和出現率?！?/p>
這項新研究為尋找超短周期行星提供了新的方法。葛健提到：“受佛羅里達大學計算機系李曉林教授的啟發，我嘗試將人工智能的深度學習技術應用于開普勒太空望遠鏡的測光數據中，尋找傳統方法未能發現的微弱凌星信號。經過近十年的努力，我們終于取得了第一份成果。要想在海量的天文數據中利用人工智能‘挖掘’到極其稀少的新發現，就需要發展創新的人工智能算法，并進行特定訓練，使其能快速、準確、完備地探尋到這些在傳統方式下很難找到的稀少而微弱的信號?！?/p>
普林斯頓大學天體物理學家喬西·溫對此評論道：“超短周期行星，或稱‘熔巖世界’，擁有出乎意料的特性，為我們理解行星軌道如何隨時間變化提供了重要線索。這項尋找新行星的技術成就令人印象深刻。”
