記者10月18日從中國科學院獲悉，利用人工智慧技術，中國科學院上海天文台等單位的科研人員發現了5顆直徑小於地球的超短週期行星。其中4顆，是迄今為止發現的距離其主星最近的最小行星，大小類似火星。這是天文學家首次利用人工智慧一次完成搜尋疑似訊號和辨識真訊號任務。相關研究成果已線上發表於《皇家天文學會月報》。
超短週期行星是指那些軌道周期小於1天的行星，它們以極近的距離環繞其主恆星運行，通常體積較小、質量較輕，表面溫度極高。到目前為止，天文學家共找到145顆超短週期行星，其中只有30顆半徑小於地球半徑。 「理解超短週期行星的相對豐度及其特性，對於檢驗理論模型至關重要。然而，已知的超短週期行星樣本量太小，很難精確了解它們的統計特徵和出現率。」論文通訊作者、中國科學院上海天文台研究員葛健說。
此次，葛健團隊創新設計了一種結合GPU相位折疊和卷積神經網路的深度學習演算法。利用演算法，團隊成功在克卜勒太空望遠鏡的恆星測光數據中發現5顆超短週期行星。
葛健說，這項研究工作始於2015年，彼時人工智慧「阿爾法狗」（AlphaGo）取得重大突破，成功擊敗了圍棋界職業高手。加上受到同事的激勵與啟發，他決定嘗試將人工智慧的深度學習技術應用於開普勒太空望遠鏡所收集的恆星測光數據，尋找傳統方法未能偵測到的微弱凌星訊號。
經過近10年努力，葛健團隊終於有了第一份收穫。葛健認為，要使用人工智慧在海量天文資料中「挖」到極為稀少的新發現，就需要創新人工智慧演算法，並且利用基於新發現現象物理影像特徵所產生的大規模資料集進行訓練，使之能快速、準確、完備地探尋到很難在傳統方式下找到的稀少而微弱的信號。
普林斯頓大學教授喬許溫（Josh Winn）評論說，超短週期行星擁有極其極端和出乎意料的特性，為人們理解行星軌道如何隨時間變化提供線索。這項尋找新行星的技術成就令人印象深刻。
「這些超短週期行星的發現，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研究提供重要線索，對行星形成理論研究有重大意義。」葛健說，這項研究為在高精度光度觀測資料中快速、高效搜尋凌星訊號提供了新的研究方式，也充分展現出人工智慧在海量天文資料中探索微弱訊號的廣泛應用潛力。