中國科學院利用人工智慧，發現迄今為止距其主星最近的最小行星
2024-10-15 01:35:07 8
IT之家 10 月 14 日訊息，由中國科學院上海天文臺葛健教授帶領的國際團隊，研發了一種結合 GPU 相位摺疊和卷積神經網路的深度學習演算法，並在開普勒（Kepler）2017 年釋放的恆星測光資料中發現了五顆直徑小於地球、軌道週期短於 1 天的超短週期行星。
▲ 已知行星半徑和行星軌道半長軸分佈以及五個新發現的超短週期行星（紅點）
其中四顆是迄今為止發現的距其主星最近的最小行星，類似火星大小。這是天文學家首次利用人工智慧一次性完成搜尋疑似訊號和識別真訊號的任務。相關研究成果發表在《皇家天文學會月報》（MNRAS）上。
IT之家附論文連結：https://academic.oup.com/mnras/article/534/3/1913/7762975
據介紹，經過 5 年的努力和創新，科研團隊開發了結合 GPU 相位摺疊和卷積神經網路的深度學習的新演算法 GPFC。該演算法比國際上流行的 BLS 法搜尋速度提高了約 15 倍，檢測準確度和完備度各提高約 7%，提高了凌星訊號搜尋速度、精度和完備度。
該演算法已應用於 Kepler 的資料集中，並識別出五顆新的超短週期行星 ——Kepler-158d、Kepler-963c、Kepler-879c、Kepler-1489c 和 Kepler-2003b。
其中，Kepler-879c、Kepler-158d、Kepler-1489c 和 Kepler-963c 分別位列迄今為止發現的最小超短週期行星中的第一、第二、第三和第五名。
Kepler-879c、Kepler-158d、Kepler-1489c 和 Kepler-2003b 是最接近其主星的小型行星，其軌道半徑在 5 個恆星半徑以內，展現了新演算法在搜尋微弱凌星訊號的優勢。
這些超短週期行星的存在為行星系統的早期演化、行星-行星相互作用以及恆星-行星相互作用的動力學（包括潮汐力和大氣侵蝕）研究提供了關鍵線索，對行星形成理論研究具有重要意義。
這一成果為在高精度光度觀測資料中快速而高效搜尋凌星訊號提供了新的研究方式，顯現了人工智慧在天文海量資料中探尋微弱訊號的應用潛力和前景。
本站內容由互聯網用戶自發貢獻，該文觀點僅代表作者本人。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。如發現本站有涉嫌抄襲侵權/違法違規的內容,請發送郵件至舉報，壹經查實，本站將立刻刪除。