近期，由中国科学院上海（hǎi）天文台的葛健教授领导的一个国际（jì）科研团队（duì），在运（yùn）用人工智能技术（shù）分析开普勒（lè）太空望远镜于2017年（nián）发布（bù）的恒星光度数据中，取得了突破性成果，他（tā）们发现了5颗前所未（wèi）有的超短周期行星。这（zhè）些行星的直径均小于地球，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，是迄今为（wéi）止探测（cè）到的距离（lí）主星最近的微型行（háng）星。这一发现标志着天（tiān）文学家首次利用人工智能技术，在（zài）同一过（guò）程中既搜（sōu）寻到（dào）疑似信（xìn）号又（yòu）成功识别出真实（shí）信号，相关研究成果已在《皇家天文学会月报》（MNRAS）这一国际天文学权威（wēi）期刊上发表。

艺术构想（xiǎng）图示展示（shì）了（le）这些新发现（xiàn）的、类似火星大（dà）小的（de）超短周期系（xì）外行星。由（yóu）于它（tā）们与主星的距离极近，这些（xiē）行星的表面温度极高，同时（shí）受到强（qiáng）烈的潮汐力作用，导致其内部结构和表面（miàn）形态受（shòu）到（dào）挤（jǐ）压，可能引发频繁的火山活动。（绘图：石琰）

超短周期系外行星（xīng）的概念自2011年起，便随着（zhe）开普勒太空望远镜的光度数（shù）据而（ér）进入科学（xué）视野，为行（háng）星（xīng）形成理论带来（lái）了新的视角和挑战，促（cù）使（shǐ）科学界重新（xīn）评估并完善了现有的行星系统（tǒng）形成与（yǔ）演化模型。

葛健教（jiāo）授指出，超短周期行（háng）星的发现对于研究行星（xīng）系统的早（zǎo）期（qī）发展阶段、行星间的（de）相互作用以及恒（héng）星与行星间的动态关系（包括（kuò）潮汐力和大（dà）气侵蚀效应）具有重要意义。这（zhè）类行（háng）星可能并（bìng）非在其当前位置形成，而是经历（lì）了从（cóng）更远轨道（dào）向内的迁移。考虑到这些行星的（de）主星在其早期（qī）形成阶段体积远大于现在，那些原（yuán）本就靠近恒星的（de）超（chāo）短周（zhōu）期行星（xīng）若在那个时期就已存在（zài），很可（kě）能已被主（zhǔ）星（xīng）吞噬。此外，鉴于超短（duǎn）周期行星往（wǎng）往伴随着轨道周期较长的外（wài）部行星被发（fā）现（xiàn），科（kē）学家推测，超（chāo）短周期行星的起（qǐ）源（yuán）可能与行星（xīng）间的相互作用有关，这些相互作用（yòng）将超短周期行星重（chóng）新安置到了它们现在紧邻主星的轨道（dào）上，这些轨道（dào）在（zài）恒星形（xíng）成初期可能（néng）原本由恒星自身占据。另外，这（zhè）种轨道迁移也可能是由原行星盘（pán）的相互作用或与（yǔ）主星的潮（cháo）汐相互作用（yòng）所（suǒ）驱动的。

然而，超短（duǎn）周期行（háng）星（xīng）在类似太阳的（de）恒（héng）星周围相（xiàng）对罕见，发生率仅（jǐn）为约（yuē）0.5%，通常（cháng）其半（bàn）径小于（yú）地球的两倍，或是在极端情况（kuàng）下，如（rú）超热木（mù）星，其（qí）半径可超过地（dì）球的十倍。迄今为止，人类总共仅探（tàn）测到145颗超短周期行（háng）星，其（qí）中仅30颗的半径小于地球。葛健表示：“由（yóu）于样本量有限，我们（men）对超（chāo）短周期（qī）行星的（de）了解（jiě）仍然非（fēi）常有限，难以准确掌（zhǎng）握它们的统计特征（zhēng）和出现（xiàn）率。”

这项新研究为探索超短周期行（háng）星提（tí）供了创新的途径——研究（jiū）团队开发了一种结合图（tú）形处（chù）理器（GPU）相位（wèi）折叠技术（shù）和（hé）卷积神（shén）经（jīng）网络的深（shēn）度学习算法。普林斯顿大学的天体物理学家乔西·温教授对此评（píng）论道：“超短周期行星，或称（chēng）‘熔岩世界’，因（yīn）其（qí）极端且出人（rén）意料的特性，为（wéi）我们揭示（shì）了（le）行星轨（guǐ）道随时间变化的线索。我（wǒ）曾以为开普勒数（shù）据中的（de）凌星信号已被（bèi）充（chōng）分挖（wā）掘，不会再有新行星被（bèi）发现。但这项新技术的应用成就令我（wǒ）深感震撼。”

葛健透露，这项工作的实际启动可追（zhuī）溯至2015年。当时，在佛（fó）罗里达大学计算机（jī）系李（lǐ）晓林教（jiāo）授的（de）启（qǐ）发下（xià），他们开始尝试将人工（gōng）智能的深度学（xué）习技（jì）术应用于开普勒发（fā）布（bù）的光（guāng）度数据，以期发现传统方法遗漏的微弱凌星信号（hào）。经（jīng）过近（jìn）十年的不懈努力，他们终（zhōng）于（yú）迎来了首次重大发（fā）现。“要（yào）在海量的天文（wén）数据中（zhōng）利（lì）用人工（gōng）智能挖掘出极为罕见的新天体，不仅需要（yào）创新的（de）人工（gōng）智能（néng）算法，还需要基于新发现现（xiàn）象的物理特征（zhēng）构建的（de）大（dà）量人工数据集进行训练，以确（què）保能够快速、准确且全面地探测到这些在传统方（fāng）法下难以（yǐ）捕捉的微弱信号。”葛健强（qiáng）调。