近期，由中国科（kē）学（xué）院上海（hǎi）天文台的葛健教（jiāo）授领导的一个国际（jì）科研团队，在运用人（rén）工（gōng）智能技术分析开普勒太空望远镜于2017年发布的恒星（xīng）光（guāng）度数据（jù）中（zhōng），取得了突破（pò）性成果，他们发现了5颗前所未有的超短周（zhōu）期行星。这些（xiē）行（háng）星的直径均小于（yú）地球，且围绕其主（zhǔ）星旋转的周期不足一天，其（qí）中4颗与火星大小（xiǎo）相（xiàng）仿，是迄今为（wéi）止探（tàn）测到的距（jù）离主星最近的（de）微型（xíng）行星。这一发现标（biāo）志着天文学家首（shǒu）次利用人工智能技术，在同一过程中（zhōng）既搜寻到疑似信号又成功识别出真（zhēn）实信号（hào），相（xiàng）关研究成果（guǒ）已在《皇家天文学会月报（bào）》（MNRAS）这一国际天文学权威期刊上发表（biǎo）。

艺（yì）术（shù）构想图示（shì）展示了这些新发现的（de）、类似火（huǒ）星大小的超（chāo）短（duǎn）周期（qī）系（xì）外行（háng）星。由于它们与主星（xīng）的（de）距离极（jí）近，这些行星（xīng）的（de）表面温度极高，同（tóng）时受到强烈的潮汐（xī）力作用，导（dǎo）致其（qí）内（nèi）部结构和表（biǎo）面形态受到（dào）挤压，可能引发（fā）频繁（fán）的火山活动。（绘图：石琰）

超短周期系（xì）外行星（xīng）的概念自（zì）2011年（nián）起，便随着（zhe）开普勒太空望远镜（jìng）的光度数（shù）据而（ér）进入科学视野，为行星形成理（lǐ）论带来（lái）了新的视角和挑战（zhàn），促使科学界重新评估并完善了现有的行星（xīng）系统形（xíng）成与演化模型。

葛（gě）健教授指（zhǐ）出，超短周期行（háng）星的发现对于（yú）研究行星系（xì）统的早期发展阶段、行星间的相互作（zuò）用以及（jí）恒星（xīng）与（yǔ）行星间的动态关系（包括（kuò）潮（cháo）汐力和大气侵蚀效应）具有重要意义。这类行星（xīng）可能并非在其当前位置形成，而是经（jīng）历了（le）从更远轨（guǐ）道向（xiàng）内的迁移。考（kǎo）虑到（dào）这些行星的主星在其（qí）早期形成阶（jiē）段体积远大于现在，那（nà）些原本就（jiù）靠近恒星的超短（duǎn）周期行（háng）星若在（zài）那个时期就已存在，很可能已被主星吞噬。此外，鉴于超短周期行星往（wǎng）往伴随着轨道周期较（jiào）长（zhǎng）的外部行星被（bèi）发（fā）现，科学家（jiā）推测，超短周（zhōu）期行星的起源可能与行星间的相互作用有（yǒu）关（guān），这些相互作用将（jiāng）超短周期行星（xīng）重新安置到了它们现（xiàn）在紧邻主星的轨道上，这些轨道在恒星形成初期可能（néng）原（yuán）本由（yóu）恒（héng）星自身（shēn）占据（jù）。另外，这种轨道迁移也可（kě）能（néng）是由原行（háng）星盘的相互（hù）作（zuò）用或与主星的（de）潮汐相互作用（yòng）所（suǒ）驱动的。

然而，超短周期行星（xīng）在类似太阳的（de）恒星（xīng）周围（wéi）相对罕见，发（fā）生率仅为约（yuē）0.5%，通常（cháng）其半径（jìng）小于（yú）地球（qiú）的两（liǎng）倍，或是（shì）在（zài）极端情况下，如超热木星，其半径可超过地球的十倍。迄（qì）今为止，人（rén）类（lèi）总共仅探测到145颗超短周（zhōu）期行星（xīng），其中仅（jǐn）30颗的（de）半径（jìng）小于地球（qiú）。葛健表示：“由于（yú）样本量有限，我（wǒ）们对超短周期行星的了解仍然非常（cháng）有限，难以准确掌握它们的（de）统计特征（zhēng）和出现率。”

这项新研究为探索超短周（zhōu）期行星提供了创新的途径——研究团队开发了一种（zhǒng）结合图（tú）形（xíng）处理器（GPU）相（xiàng）位折叠技术和卷积神经网络的深度学习算（suàn）法（fǎ）。普林斯顿大学的天体物理学（xué）家乔西（xī）·温教授对此评（píng）论道：“超短周期行（háng）星，或称‘熔岩世界’，因其极端且出人意料的特性，为我们揭（jiē）示（shì）了行星轨（guǐ）道随时（shí）间（jiān）变（biàn）化的线索。我曾（céng）以（yǐ）为（wéi）开普（pǔ）勒数据中（zhōng）的凌（líng）星信（xìn）号已被充分挖掘（jué），不会再（zài）有新行星被发现。但这项（xiàng）新技术的应用（yòng）成就（jiù）令（lìng）我深感震撼。”

葛健透露，这项（xiàng）工作的实际启（qǐ）动可追（zhuī）溯至2015年。当时，在佛罗里达大学计算机系李晓林教授的启（qǐ）发下，他们开始尝试（shì）将人工智能（néng）的深度学习技术应（yīng）用（yòng）于开普勒发布的光度数据，以期发现传（chuán）统方法（fǎ）遗漏的微（wēi）弱（ruò）凌（líng）星（xīng）信（xìn）号。经（jīng）过近（jìn）十年的（de）不（bú）懈努力，他们终于迎来了首次重大发现。“要在海量（liàng）的天文数据中利用（yòng）人工智能挖掘出极为罕见的新（xīn）天体，不（bú）仅需要（yào）创新的人（rén）工智能算（suàn）法（fǎ），还需要基于新发现现象的物理（lǐ）特征构建的大量人工数据集进行（háng）训练，以（yǐ）确保能够快速、准确且全面地探测到这些在传统方法下难以（yǐ）捕（bǔ）捉的微（wēi）弱信号（hào）。”葛健强调。