近期，由中国科（kē）学院上海天文台（tái）的葛健教授领（lǐng）导的一个国际科研团队，在运（yùn）用（yòng）人工智（zhì）能技术分析开普勒太空望远镜于2017年发布的（de）恒（héng）星光度数据中，取得（dé）了（le）突（tū）破性成果，他们发现了5颗前所（suǒ）未有的超短周期（qī）行星。这些行星的（de）直径均小（xiǎo）于（yú）地球（qiú），且围绕其主星旋转的周期不足一天，其（qí）中4颗与火星大小相仿（fǎng），是迄（qì）今为止探（tàn）测到的距离（lí）主星最近的微型行星。这一发现标志着天文学家首次利用（yòng）人工智能技术，在同一过程中既搜寻到疑似信（xìn）号又（yòu）成功识（shí）别出真（zhēn）实信（xìn）号，相关（guān）研究（jiū）成果已在（zài）《皇家（jiā）天文学会月（yuè）报》（MNRAS）这一国际天文学权威期刊上发表。

艺（yì）术构想图（tú）示展示了这（zhè）些新发现的、类似火星大小的超短周期系外行星。由于它们与主星的距离（lí）极近（jìn），这些行星的表面温度极高，同时受到强烈的潮汐力作（zuò）用，导致其（qí）内部结构和表面（miàn）形（xíng）态受到挤压，可能（néng）引发频繁的火山活动。（绘图：石琰）

超（chāo）短（duǎn）周（zhōu）期系外行星的概念（niàn）自（zì）2011年起（qǐ），便随着开普勒太空望远（yuǎn）镜的光度（dù）数据而进入科学视野（yě），为行星形成理论带来（lái）了新的视（shì）角和（hé）挑（tiāo）战，促使科学界重新评估并完善了现有的行星系（xì）统形（xíng）成与演化模型。

葛健教授（shòu）指出，超短周期行星的发现对于（yú）研究行星系统的早（zǎo）期发展阶（jiē）段、行（háng）星间的相互（hù）作用（yòng）以（yǐ）及（jí）恒（héng）星与（yǔ）行星间的动（dòng）态关（guān）系（包括潮（cháo）汐（xī）力和大气侵蚀效应（yīng））具有重（chóng）要意义。这类行星可（kě）能并非（fēi）在其当（dāng）前位置（zhì）形成，而（ér）是经（jīng）历了从更（gèng）远轨（guǐ）道向内的迁（qiān）移。考虑（lǜ）到这（zhè）些行星的主（zhǔ）星在其早期形成阶段体积远大于现在，那（nà）些原本就靠近恒星的超短周期行星若（ruò）在那个时期就已（yǐ）存在（zài），很可能已被（bèi）主星（xīng）吞噬。此外，鉴于超短周期行星往往伴随（suí）着轨道周期较长的外部行（háng）星（xīng）被发现（xiàn），科（kē）学（xué）家推测，超短周期行（háng）星的起源（yuán）可能与行星间的相互作用有关，这些相（xiàng）互作用将超短周期行星（xīng）重（chóng）新安置到了它们现在紧邻（lín）主星的轨道上，这些轨道在恒星形成初期可能原本由恒星自身占据。另外（wài），这种轨道迁（qiān）移（yí）也可能是由（yóu）原行星（xīng）盘的相互（hù）作用或与（yǔ）主星的潮汐相互作用（yòng）所驱（qū）动的。

然而，超短（duǎn）周期（qī）行星在类似太（tài）阳的（de）恒星（xīng）周围相对（duì）罕见，发生（shēng）率仅为约0.5%，通常其半径小于地（dì）球的两倍，或是在（zài）极端情况下，如超热木星，其半径（jìng）可（kě）超过地球的（de）十倍。迄（qì）今为止，人类总共仅探测到145颗超短周期行星，其（qí）中仅（jǐn）30颗的半（bàn）径（jìng）小于地球。葛健表示：“由于样（yàng）本（běn）量有限，我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统计特（tè）征和（hé）出现（xiàn）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（tuán）队开发了一（yī）种结（jié）合图形处理器（GPU）相（xiàng）位折叠（dié）技术和卷积神（shén）经网络（luò）的（de）深度学（xué）习（xí）算法。普林（lín）斯顿大学（xué）的天体物理学家乔（qiáo）西·温教（jiāo）授对此评论道（dào）：“超短周期行星，或称‘熔岩世界’，因其极（jí）端且（qiě）出（chū）人意料的特性，为我（wǒ）们揭示了行星（xīng）轨（guǐ）道随时间变化的线索。我曾以为开普勒（lè）数（shù）据中的凌星信号已被充分挖掘，不会再有新（xīn）行星被发现。但（dàn）这项新技术的应用成就（jiù）令我深感震撼。”

葛健透露，这项工作的实（shí）际启（qǐ）动可追溯至2015年（nián）。当时，在佛罗（luó）里达大学计算机系李晓林教授的启发下，他们开始尝试将人工智（zhì）能的深（shēn）度学习技术应用于开（kāi）普勒发布（bù）的光度数据，以期发现传统（tǒng）方（fāng）法遗漏的微弱凌星信号。经过（guò）近十年（nián）的不（bú）懈努力，他们（men）终于（yú）迎来了首次重大发现。“要在（zài）海量的天文数据中利用人工智（zhì）能挖（wā）掘出极为罕见（jiàn）的新天体，不仅需要创新的人工智能算（suàn）法，还需要基于新（xīn）发现（xiàn）现象的物理特征（zhēng）构（gòu）建的（de）大量人工数据集进行（háng）训练，以确保能够快速、准确且全面地探测到这（zhè）些在传统方法下难以捕（bǔ）捉的微弱信号。”葛健强调（diào）。