近日，由中國科學(xué)院上海天文臺葛健教授帶領(lǐng)的國際團隊創(chuàng)新了一種結(jié)合GPU相位折疊和卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法，并成功在開普勒（Kepler）2017年釋放的恒星測光數(shù)據(jù)中發(fā)現(xiàn)了五顆直徑小于地球、軌道周期短于1天的超短周期行星，其中四顆是迄今為止發(fā)現(xiàn)的距其主星最近的最小行星，類似火星大小。
藝術(shù)想象圖（制圖：石琰）新發(fā)現(xiàn)的類似火星大小的超短周期系外行星。由于離主星非常近，行星不光表面溫度很高，而且潮汐力會擠壓行星內(nèi)部和表面產(chǎn)生很多火山噴發(fā)
這是天文學(xué)家首次利用人工智能一次性完成搜尋疑似信號和識別真信號的任務(wù)，相關(guān)研究成果發(fā)表在國際天文學(xué)期刊《皇家天文學(xué)會月報》（MNRAS）上。
超短周期系外行星于2011年在Kepler測光數(shù)據(jù)中首次被發(fā)現(xiàn)，這給行星形成理論帶來了獨特的機遇和挑戰(zhàn)，促使科學(xué)家重新審視和完善現(xiàn)有的行星系統(tǒng)形成和演化模型。
但超短周期行星在類太陽恒星的發(fā)生率很低，只有大約0.5%，通常半徑小于2倍地球半徑，或在超熱木星的情況下，大于10倍地球半徑。到目前為止，總共只找到了145顆超短周期行星，其中只有30顆半徑小于地球半徑。
“本次工作的真正起始時間是2015年，當(dāng)年的人工智能AlphaGo剛?cè)〉昧酥卮笸黄?，打敗了圍棋界的職業(yè)高手。我受佛羅里達大學(xué)計算機系同事李曉林教授的激勵和啟發(fā)，決定試圖把人工智能的深度學(xué)習(xí)應(yīng)用在Kepler釋放的測光數(shù)據(jù)中，尋找Kepler使用傳統(tǒng)方法沒能找到的微弱凌星信號?！备鸾≌f。
經(jīng)過多年的努力和創(chuàng)新，葛健團隊成功開發(fā)了結(jié)合GPU相位折疊和卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)的新算法（GPFC）。該算法比國際上流行的BLS法搜尋速度提高了約15倍，檢測準(zhǔn)確度和完備度各提高約7%，顯著提高了凌星信號搜索速度、精度和完備度。
通過新算法，研究團隊在Kepler的數(shù)據(jù)集中識別出五顆新的超短周期行星：Kepler-158d、Kepler-963c、Kepler-879c、Kepler-1489c和Kepler-2003b。其中，Kepler-879c、Kepler-158d、Kepler-1489c和Kepler-963c分別位列迄今為止發(fā)現(xiàn)的最小超短周期行星中的第一、第二、第三和第五名。Kepler-879c、Kepler-158d、Kepler-1489c和Kepler-2003b是最接近其主星的小型行星，其軌道半徑在5個恒星半徑以內(nèi)，展現(xiàn)了新的算法在搜尋微弱凌星信號的優(yōu)勢。
已知行星半徑和行星軌道半長軸分布以及五個新發(fā)現(xiàn)的超短周期行星（紅點）。四個新的超短周期行星——Kepler-158d、Kepler-879c、Kepler-1489c和Kepler-2003b——是最接近它們主星的最小行星之一，其軌道在5個恒星半徑以內(nèi)
葛健表示，本次工作的突破性發(fā)現(xiàn)是人工智能在天文大數(shù)據(jù)領(lǐng)域應(yīng)用的又一個里程碑，要想使用人工智能在海量的天文數(shù)據(jù)中“挖”到極其稀少的新發(fā)現(xiàn)，就需要發(fā)展創(chuàng)新的人工智能算法，同時需要依據(jù)新發(fā)現(xiàn)現(xiàn)象的物理圖像特征生成的大量的人工數(shù)據(jù)集做訓(xùn)練，使之能快速、準(zhǔn)確、完備地探尋到這些很難在傳統(tǒng)方式下找到的稀少而微弱的信號。
此次發(fā)現(xiàn)的火星大小的行星提供了更加多樣化的系外行星樣本，為理解超短周期行星形成機制提供了新線索。此外，該研究成果對在高精度光度觀測數(shù)據(jù)中快速、高效搜尋凌星信號提供了新的研究方式，也充分顯現(xiàn)了人工智能在天文海量數(shù)據(jù)中探尋微弱信號的廣泛應(yīng)用潛力和前景。
