近期，由中国科学院上海天文台的葛健教授领导的一个国际（jì）科研团队（duì），在（zài）运（yùn）用人工智（zhì）能技（jì）术（shù）分析开（kāi）普勒太空望远（yuǎn）镜（jìng）于2017年发布的恒星光度数（shù）据中，取得了突破（pò）性（xìng）成果，他们发（fā）现（xiàn）了5颗（kē）前所未（wèi）有的超短（duǎn）周期行星。这些行星的直径均小于地球，且（qiě）围绕其主星旋转的周期不足一天，其中4颗与（yǔ）火星大小相仿，是迄今为止探测到的（de）距离（lí）主星最近的（de）微型行（háng）星。这一发现标志着天文学家首次利用人工（gōng）智能（néng）技（jì）术，在同一过程（chéng）中（zhōng）既搜寻到疑（yí）似信号又（yòu）成（chéng）功识别出真实信（xìn）号，相（xiàng）关研（yán）究成果已在《皇家天文学会月报》（MNRAS）这一国际天文学权威期刊上发（fā）表。

艺（yì）术构想图示（shì）展示了（le）这些新发现的、类（lèi）似火星大小的超短周期系（xì）外行星。由于它们与主星的距离极（jí）近，这些（xiē）行星的表（biǎo）面温度极高，同时受到强烈的潮汐力作用，导（dǎo）致其内部结构（gòu）和表面形态（tài）受到挤压，可（kě）能引发频繁的火山（shān）活动（dòng）。（绘图：石琰）

超短周期（qī）系外行星（xīng）的概念（niàn）自（zì）2011年起，便随（suí）着开普勒太空望（wàng）远镜的光度（dù）数据而进入科学视野，为行星形成（chéng）理论带来了新的（de）视（shì）角和挑战（zhàn），促使科学界（jiè）重新评（píng）估并完善了（le）现有的行（háng）星（xīng）系统形成（chéng）与（yǔ）演化（huà）模型。

葛健（jiàn）教（jiāo）授指出，超短周（zhōu）期（qī）行星的发现对于研（yán）究（jiū）行星系统的早期发展阶段、行星间的相互作用（yòng）以及恒星与行（háng）星间的动（dòng）态关系（包括潮汐力和大气（qì）侵蚀效应）具有重要（yào）意义。这类行星可能并非在其（qí）当前位置形成，而是经历了从更（gèng）远轨道向内的（de）迁移。考虑到这些行星的主星在其早（zǎo）期形成阶（jiē）段体积远大于现在，那（nà）些（xiē）原本就靠（kào）近恒星的超短周期（qī）行星若在（zài）那个时期（qī）就已存在，很可能已被主星吞噬。此（cǐ）外（wài），鉴于超短周期行星往往伴随（suí）着（zhe）轨道周期较长的外部行星被发现，科学（xué）家推（tuī）测，超短（duǎn）周（zhōu）期行星的起源可能与行星间的相互作用有关，这（zhè）些（xiē）相互作用将超短周期行星重（chóng）新安置（zhì）到了（le）它（tā）们现（xiàn）在紧邻主星的轨道上，这些轨道（dào）在（zài）恒星形（xíng）成初期可能原本由恒星（xīng）自身占据。另外（wài），这种轨（guǐ）道迁移也（yě）可能是由（yóu）原行星盘的（de）相互作用或与主星的潮汐相互作用所驱动的。

然（rán）而，超短周期行星在（zài）类（lèi）似太阳的恒星周围（wéi）相对（duì）罕见，发生率仅为约0.5%，通常其半径小于地球的两（liǎng）倍（bèi），或是在极端情（qíng）况下，如超（chāo）热木（mù）星，其半（bàn）径可超过地球（qiú）的十倍。迄今为止，人类总共仅探测到145颗（kē）超短（duǎn）周期行星，其中仅30颗的半径小于地（dì）球。葛（gě）健表示：“由于（yú）样本量有限，我们对超短周期行星的了解仍然非常有限，难以准（zhǔn）确掌握它（tā）们（men）的（de）统计特征和出现率（lǜ）。”

这项新（xīn）研（yán）究为探索超短周期行星（xīng）提（tí）供了创新的途径——研（yán）究（jiū）团队开发（fā）了一种结（jié）合图（tú）形（xíng）处理器（GPU）相位折（shé）叠技术和卷积神经网络的深度（dù）学习算法（fǎ）。普林斯顿大学的（de）天（tiān）体物理学（xué）家乔西·温教授对此评论道：“超短周期行星，或（huò）称（chēng）‘熔岩（yán）世界’，因其极端（duān）且出（chū）人（rén）意（yì）料的（de）特性（xìng），为我们揭（jiē）示了行星轨道（dào）随时（shí）间变化的线索（suǒ）。我曾（céng）以（yǐ）为开普勒数据中的凌星信号已被（bèi）充分挖掘，不（bú）会再有（yǒu）新行星被发现。但这项新技术的（de）应用成就令我（wǒ）深感（gǎn）震撼。”

葛健透露（lù），这项（xiàng）工作的实（shí）际启动可追溯（sù）至2015年。当时，在佛罗里达大学计算机系李晓林教（jiāo）授的（de）启发下，他们开始尝试将（jiāng）人（rén）工智能的深度（dù）学习技（jì）术应用于开普（pǔ）勒（lè）发（fā）布的（de）光（guāng）度（dù）数据，以（yǐ）期发现传统方（fāng）法（fǎ）遗漏的微弱凌星信号（hào）。经过（guò）近十年的不懈努力，他（tā）们终于迎来了（le）首次重大发现。“要在海量的天文数据（jù）中利（lì）用人工智能挖（wā）掘出极为罕见的新天体，不仅需要创新的人工智能算法，还需要基于（yú）新（xīn）发现现（xiàn）象的物理特征构（gòu）建的大量（liàng）人工数据集进行训练，以确保（bǎo）能（néng）够快速、准确且全面地探测到这些在传统方法（fǎ）下难以捕捉的微（wēi）弱信（xìn）号。”葛健强调。