近（jìn）期，由中国科学院上（shàng）海天文台的葛健教授领导的一个国际科研团队，在运用人工智（zhì）能技（jì）术（shù）分析开普（pǔ）勒太空望（wàng）远（yuǎn）镜于（yú）2017年发布的恒（héng）星光（guāng）度数据中（zhōng），取得了（le）突破性（xìng）成果，他们发现（xiàn）了5颗前所未（wèi）有（yǒu）的（de）超短周期行（háng）星（xīng）。这些行（háng）星的（de）直径均小于地球，且围绕其主星旋转的周期不（bú）足（zú）一天，其中4颗与火星大（dà）小相仿，是迄今为止探测到的距离主（zhǔ）星（xīng）最近的微型行（háng）星。这一发现标志着天文（wén）学家首次利用人（rén）工智能技术，在（zài）同（tóng）一过程中既搜寻到疑似信号又成功识别出真实信号，相（xiàng）关研究成果已在《皇（huáng）家天文学会（huì）月报》（MNRAS）这（zhè）一国际天文（wén）学权威期刊上发（fā）表。

艺术构想图示展示了这些新发现的、类似火星大小的超（chāo）短周期系外行（háng）星。由于它们与主星的距离极近（jìn），这（zhè）些行星的表面温度极高，同时（shí）受到（dào）强烈的（de）潮汐力作用，导致其（qí）内部结构和表面（miàn）形态受（shòu）到挤压，可能引发频繁的火山活动。（绘图（tú）：石（shí）琰）

超短周（zhōu）期系外行（háng）星的概念（niàn）自2011年起，便随着开普勒太空望远镜的光（guāng）度数据而进入科（kē）学视野，为行星形成理论（lùn）带来（lái）了新的视角和（hé）挑战，促使科学（xué）界重新评（píng）估并（bìng）完善了现有的行星系（xì）统形成与演化模型。

葛健教授（shòu）指出，超短周期（qī）行星的发现对于研究行星系（xì）统的早期发展阶段、行（háng）星间的相互作用以及恒（héng）星与行（háng）星间的动态（tài）关（guān）系（包（bāo）括潮汐（xī）力和大气（qì）侵蚀效应）具有重要意义（yì）。这类行星（xīng）可（kě）能并非在（zài）其当前位置（zhì）形成（chéng），而是经（jīng）历了从更远轨道向内的迁移。考虑到这些行星的主星在其早期形成阶段体积远（yuǎn）大于（yú）现（xiàn）在，那（nà）些（xiē）原本就靠近（jìn）恒星的超（chāo）短周期行星（xīng）若在那个时期就已存在，很可（kě）能已（yǐ）被主星吞噬。此外，鉴于（yú）超短周期行（háng）星（xīng）往（wǎng）往伴随着轨（guǐ）道周（zhōu）期较长的外部行星被发现（xiàn），科学家推测（cè），超短周期行星的起源可能（néng）与行星间的（de）相互作（zuò）用有（yǒu）关，这些相（xiàng）互作（zuò）用将超（chāo）短周（zhōu）期（qī）行星重（chóng）新安置到（dào）了它们现在紧邻主星的轨道上，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（zhè）种轨（guǐ）道迁移也可能是（shì）由原行星盘的（de）相互（hù）作用或（huò）与主星的潮汐相互作用所驱动的。

然而（ér），超短（duǎn）周（zhōu）期行星在（zài）类似太阳的恒星（xīng）周（zhōu）围相对罕见，发生率（lǜ）仅为（wéi）约（yuē）0.5%，通常其半径小于地球的（de）两倍，或是在（zài）极端（duān）情况（kuàng）下，如超热木星，其半（bàn）径可超过地球的十倍。迄今为止，人（rén）类总共仅探测到145颗超短周期行星，其中仅（jǐn）30颗的（de）半径小（xiǎo）于地球。葛（gě）健表示（shì）：“由于（yú）样（yàng）本量有限，我们（men）对超短周期行星（xīng）的了解仍然非（fēi）常有限，难以准（zhǔn）确（què）掌握它（tā）们的统计特征（zhēng）和出现率。”

这项新研究为探索超短周期行星（xīng）提供了创（chuàng）新的途径——研究团队开发了（le）一种结（jié）合图形处理（lǐ）器（GPU）相位折叠技术和卷积（jī）神（shén）经网络的（de）深度学习（xí）算法。普林（lín）斯（sī）顿大学的天体物理学家乔西·温教（jiāo）授对此评论道：“超短周期行星，或称（chēng）‘熔岩世界’，因其极端且出（chū）人意料的特性，为我们揭（jiē）示了行星轨道随时（shí）间变化（huà）的线索。我曾以为开普勒数据（jù）中的凌星信号已被充分挖掘，不会再（zài）有新行星（xīng）被发现（xiàn）。但这（zhè）项新技术的（de）应（yīng）用（yòng）成就令我深感震撼。”

葛健透露，这项（xiàng）工作的（de）实际（jì）启动可追溯（sù）至2015年。当时（shí），在佛罗里达大（dà）学计（jì）算机系李晓林（lín）教授的启发下（xià），他们开始（shǐ）尝试将（jiāng）人工智能的深度学习技（jì）术应用于开普（pǔ）勒发布的光度数据（jù），以期发现（xiàn）传统方（fāng）法（fǎ）遗漏的（de）微弱凌星信号。经（jīng）过近十年的不懈努力，他们终（zhōng）于迎来了首次重（chóng）大发现（xiàn）。“要在海量的（de）天文数据中利用人工（gōng）智能挖掘出极为罕见的新（xīn）天体，不（bú）仅需（xū）要创新的人工（gōng）智能算法，还需要（yào）基于新（xīn）发（fā）现现象的（de）物理特（tè）征构建（jiàn）的大量人工数据集进（jìn）行训练，以（yǐ）确（què）保能够（gòu）快速、准确且全面（miàn）地（dì）探测到这些在传统方（fāng）法（fǎ）下难以捕捉的微（wēi）弱信号。”葛健强（qiáng）调。