近日，中国科学院上海天文台等单位的科研团队借助人工智能技术的力量，成功发现了5颗超短周期行星，其直径均小于地球。其中4颗更是迄今为止距离主星最近的类似火星大小的行星。这是天文学家首次利用人工智能一次性完成疑似信号搜寻和真信号识别的壮举。相关研究成果已在线发表于《皇家天文学会月报》。

超短周期行星是指那些轨道周期短于一天的行星，它们在极其接近主恒星的距离上运行。尽管天文学家至今共发现了145颗这样的行星，但只有30颗的半径小于地球半径。为了了解这些特殊行星的统计特征和出现率，对其特性的深入研究至关重要。论文通讯作者、中国科学院上海天文台研究员葛健指出，由于已知的超短周期行星样本量较小，这一任务颇具挑战性。

葛健团队创新性地结合GPU相位折叠和卷积神经网络，设计了一种深度学习算法。依靠这一崭新算法，他们在开普勒太空望远镜的恒星测光数据中成功找到了这5颗超短周期行星。这项研究的起点始于2015年，当时人工智能在围棋领域取得了重大突破，激发了葛健将深度学习技术应用于天文领域的想法。受到同事的激励与启发，他开始尝试寻找传统方法未能检测到的微弱凌星信号。

经过近十年的不懈努力，葛健团队终于取得了初步的成果。他认为，要在海量的天文数据中发现稀少的新发现，不仅需要创新的人工智能算法，而且需要基于新发现现象的物理图像特征生成的大规模数据集进行训练。这样，人工智能才能快速、准确、全面地找到那些在传统方式下难以察觉的微弱信号。

普林斯顿大学的乔什·温教授评论说，这些超短周期行星拥有极端且令人意想不到的特性，它们的发现为我们理解行星轨道如何随时间变化提供了重要线索。葛健团队的这一寻找新行星的技术成就令人印象深刻。这些发现不仅为行星系统的早期演化、行星间的相互作用以及恒星-行星相互作用的动力学研究提供了关键线索，也对行星形成理论研究产生了重大影响。同时，这项研究为我们提供了一种新的方式，即在高精度光度观测数据中快速高效地搜寻凌星信号，并充分展示了人工智能在海量天文数据中探寻微弱信号的巨大潜力。