近（jìn）期，由中国科学院上海天文台的葛健（jiàn）教授领导（dǎo）的一个国（guó）际科（kē）研团队，在（zài）运用人工智能技术分析开普勒太空（kōng）望（wàng）远镜（jìng）于2017年（nián）发布的（de）恒星光度（dù）数据中，取（qǔ）得（dé）了突破性成果，他（tā）们发（fā）现（xiàn）了5颗前所未有的超短周期行星。这些（xiē）行（háng）星（xīng）的（de）直（zhí）径均（jun1）小于（yú）地球，且围绕其主星旋转的（de）周期不足一天，其中4颗（kē）与火星大（dà）小相（xiàng）仿，是迄（qì）今为止探（tàn）测到的（de）距离主星最近的（de）微（wēi）型行星。这一发现标志着天文学家首次利用人工智能（néng）技术，在同一（yī）过程中既搜寻到疑似信号又成（chéng）功识别出（chū）真实信号，相关（guān）研究成果已（yǐ）在《皇家（jiā）天文学会月报》（MNRAS）这一国（guó）际天文学（xué）权威期刊上发表。

艺术（shù）构想图示展示了这些（xiē）新发现的、类似火星大小的超短（duǎn）周期系外行星（xīng）。由于它们与主（zhǔ）星的距离极近，这些行星的（de）表面温度（dù）极高（gāo），同时受到（dào）强烈的潮（cháo）汐（xī）力（lì）作用，导致其内部结（jié）构和（hé）表面形态受到挤压，可能引发频（pín）繁的火山活动。（绘图：石（shí）琰）

超短周期（qī）系外行星的概念自2011年起（qǐ），便随着开普勒太（tài）空望远镜的光度数（shù）据而（ér）进入科学（xué）视野，为行星形成理论带（dài）来了新的视角和挑战，促使（shǐ）科学界重新评估并完善了现（xiàn）有的行星（xīng）系统形成与演（yǎn）化模型。

葛健教授指出，超（chāo）短周期（qī）行星的发现对于研究行星系统的（de）早期（qī）发展阶段（duàn）、行（háng）星间（jiān）的（de）相互作（zuò）用以（yǐ）及恒星与行星间的动态关（guān）系（包括潮汐力和大气侵蚀效应）具（jù）有重要意义（yì）。这类行星可能并非在其（qí）当前位置形成，而是经历了从更远轨道（dào）向内的迁移。考虑到（dào）这（zhè）些行星的主星在其早期形（xíng）成阶段体积远大于现在，那些原本就靠近恒星（xīng）的超短周期行星若（ruò）在那个时期（qī）就已存在（zài），很可能已被主星吞噬。此外，鉴于（yú）超短（duǎn）周（zhōu）期行星（xīng）往往伴随着轨道（dào）周（zhōu）期（qī）较长（zhǎng）的外部行星被发现，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（xiàng）互作用有关（guān），这（zhè）些相互作用将（jiāng）超短周（zhōu）期行星重新安置到了（le）它们（men）现在紧（jǐn）邻主星的轨道上，这些轨道在恒星形（xíng）成初期可能原本由恒星自身占据（jù）。另（lìng）外，这种轨道迁（qiān）移也（yě）可能（néng）是由（yóu）原行（háng）星盘的相（xiàng）互作用或与主星的潮汐相（xiàng）互（hù）作用所驱动的。

然而，超短周期行星在类似太阳的（de）恒星周围相对（duì）罕见，发（fā）生率仅为约（yuē）0.5%，通常其半径小于地（dì）球的两（liǎng）倍，或是（shì）在（zài）极端情况下，如超热木星（xīng），其半径可超过地球的十倍。迄今为止，人类总共仅探（tàn）测到145颗（kē）超短周期行星（xīng），其（qí）中仅30颗的半径小于地球。葛（gě）健表示：“由于样本量有限，我（wǒ）们对超短周期行星的了解仍（réng）然非常有限，难（nán）以（yǐ）准确掌（zhǎng）握（wò）它们的统计特（tè）征和出现（xiàn）率。”

这项新研究（jiū）为探索超短（duǎn）周（zhōu）期行星提供了创新的（de）途径——研（yán）究团队开发了一种（zhǒng）结（jié）合（hé）图形处理器（GPU）相位折叠技术和卷积神经网络的深（shēn）度学习算法。普林斯（sī）顿（dùn）大学的天体物理学家乔西·温教授对此（cǐ）评论道：“超短（duǎn）周（zhōu）期行星，或称（chēng）‘熔岩世界（jiè）’，因其极端（duān）且出（chū）人意料的特性，为我们揭（jiē）示了行星轨道随时间变（biàn）化的线索。我曾以为开普（pǔ）勒数据中的凌星信号已被充分挖掘，不会再有新行星被发现（xiàn）。但（dàn）这项新技术的应用成（chéng）就令（lìng）我（wǒ）深（shēn）感震撼。”

葛（gě）健透露，这（zhè）项工作的实际启动可追溯至2015年（nián）。当时，在（zài）佛罗（luó）里达大学计算机系李晓林（lín）教授的（de）启发下，他们开始尝（cháng）试将人工（gōng）智能（néng）的深度（dù）学习技（jì）术应用于开普勒发布的光度数据，以（yǐ）期发现传统方（fāng）法遗漏的微弱凌星信号。经过（guò）近十（shí）年的不懈努力，他们终于迎来了首次重大发现。“要（yào）在海量的天（tiān）文（wén）数据（jù）中利（lì）用人（rén）工智能挖掘出极为罕见的新（xīn）天体，不仅（jǐn）需要创新的人工智能算法，还需要基于新（xīn）发现现象（xiàng）的物理特征（zhēng）构建的大（dà）量人工数据集进行训练，以确保能够快速、准确且（qiě）全（quán）面地（dì）探（tàn）测到这些（xiē）在传统方（fāng）法下难以捕捉的微弱信号。”葛（gě）健强（qiáng）调。