天文学家新发现！类太阳恒星旁，最小行星现身？

中国科学院上海天文台葛健研究员领导的国际研究团队，近期在开普勒太空望远镜的恒星测光数据中取得了突破性发现。他们利用创新的深度学习算法，一次性完成了疑似信号搜寻和真信号识别的任务，成功发现了5颗直径小于地球、轨道周期短于1天的超短周期行星。这一研究成果不仅为理解超短周期行星的形成机制提供了新的线索，还展示了人工智能在天文学领域的广泛应用潜力和前景。

据葛健介绍，新开发的算法结合了图形处理器(GPU)相位折叠和卷积神经网络，相较于目前国际上流行的算法，其搜寻速度提高了约15倍，检测准确度和完备度也各提高了约7%。这一显著提升使得凌星信号的搜索速度、精度和完备度都得到了极大的改善，特别是在探寻微弱凌星信号方面展现出了明显的优势。

在这项研究中，新算法被应用于开普勒太空望远镜的数据集，成功识别出了编号为Kepler—158d、Kepler—963c、Kepler—879c、Kepler—1489c和Kepler—2003b的5颗新的超短周期行星。其中，Kepler—879c、Kepler—158d、Kepler—1489c和Kepler—963c在迄今发现的最小超短周期行星中分别位列前四；而Kepler—879c、Kepler—158d、Kepler—1489c和Kepler—2003b则是最接近其主星的小型行星，其轨道半径在5个恒星半径以内。

这一发现不仅为行星系统的早期演化、行星—行星相互作用以及恒星—行星相互作用的动力学研究奠定了重要基础，还为在高精度光度观测数据中快速、高效搜寻凌星信号提供了新的研究方式。普林斯顿大学天体物理学家乔什·温(Josh Winn)教授对此评论称，超短周期行星拥有极其极端和出乎意料的特性，为人们理解行星轨道如何随时间变化提供了线索。他对这项寻找新行星的技术成就印象深刻，并表示原以为开普勒数据中的凌星信号已经被“挖掘殆尽”，不会再有其他行星发现，因此对听到这些新的潜在行星的消息感到非常兴奋。

研究团队指出，超短周期行星在类太阳恒星的发生率很低，只有大约0.5%，且通常半径小于2倍地球半径。到目前为止，天文学家总共只找到145颗超短周期行星，其中只有30颗半径小于地球半径。因此，理解超短周期行星的相对丰度及其特性对于检验理论模型至关重要。然而，已知的超短周期行星样本量太小，它们的统计特征和出现率很难精确了解。

葛健表示，这项研究工作的真正起始时间是2015年，当时他受到佛罗里达大学计算机系同事李晓林教授的激励和启发，决定试图把人工智能的深度学习应用在开普勒太空望远镜释放的测光数据中，寻找使用传统方法没能找到的微弱凌星信号。经过近10年的努力，他们终于取得了这一突破性成果。

本项研究设计的在GPU上并行化的快速折叠算法，可以提高低信噪比的凌星信号，从而实现高精度快速搜索。虽然已知的凌星信号真实样本太少，没法有效、精确训练神经网络，但研究团队根据凌星信号图像的物理特征创新设计和生成了各种可能的凌星信号，并在加入200万个利用开普勒太空望远镜真实光变数据人工合成的光变曲线上进行训练。训练后的神经网络再应用在开普勒太空望远镜的数据集中，和GPU快速折叠算法一起使用搜寻数据中的超短周期凌星信号，最终帮助团队发现了这5颗半径很小的超短周期系外行星。