中国科学家用AI发现迷你行星，揭秘宇宙新奥秘

中国科学家用AI发现迷你行星，揭秘宇宙新奥秘

引用

科学网

等

8

来源

1.

https://news.sciencenet.cn/htmlnews/2024/10/532073.shtm

2.

https://ecas.cas.cn/xxkw/kbcd/201115_146457/ml/xxhcxyyyal/202412/t20241202_5040954.html

3.

https://www.sohu.com/a/816522702_121332532

4.

http://sh.people.com.cn/n2/2024/1015/c176739-41008791.html

5.

https://finance.sina.com.cn/tech/discovery/2024-10-19/doc-incszyai1031043.shtml

6.

https://www.sohu.com/a/816383715_121798711

7.

https://www.cas.cn/cm/202410/t20241021_5036683.shtml

8.

https://www.cas.cn/kj/202009/t20200901_4757754.shtml

2024年10月，中国科学院上海天文台教授葛健带领的国际团队宣布了一项重大发现：他们利用创新的AI算法，在开普勒卫星2017年的数据中发现了5颗前所未有的迷你行星。这些行星的直径都小于地球，轨道周期短于一天，其中4颗更是创下了距主星最近的最小行星纪录。

这一突破不仅标志着中国在天文学领域取得的又一重大成就，更展示了人工智能在探索宇宙中的巨大潜力。

2015年，当人工智能AlphaGo在围棋比赛中战胜人类职业高手时，葛健教授从中看到了AI在天文学领域的应用前景。他决定将深度学习技术应用于开普勒卫星的测光数据中，寻找传统方法未能发现的微弱信号。

但要实现这一目标并不容易。天文学数据浩如烟海，而有价值的信号却极为稀少。要让AI在这些数据中“挖”到有价值的信息，需要创新的算法和大量的训练数据。

经过5年的努力，研究团队成功开发了GPFC算法，这是一种结合GPU相位折叠和卷积神经网络的深度学习算法。其中，GPU快速折叠算法可以提高低信噪比的凌星信号，而19层神经网络则负责识别这些信号。

为了训练这个神经网络，研究团队创新性地设计了200万个基于真实数据的人工合成光变曲线。这些数据涵盖了各种可能的凌星信号，使得神经网络能够更准确地识别真正的行星信号。

利用GPFC算法，研究团队在开普勒卫星的数据中识别出5颗新的超短周期行星。这些行星被称为“熔岩世界”，它们以极近的距离环绕主恒星运行，表面温度极高，体积和火星相当。

这一发现具有重要意义。首先，它打破了传统行星形成理论的预测边界，因为根据现有理论，如此接近恒星的轨道上不应该存在如此小的行星。其次，这些行星为研究行星系统的早期演化、行星-行星相互作用以及恒星-行星相互作用提供了重要线索。

这项研究展示了AI在天文学中的巨大潜力。GPFC算法不仅比传统方法快15倍，检测准确度也提高了7%。更重要的是，这是首次利用AI一次性完成搜寻疑似信号和识别真信号的任务，为未来的大规模天文数据处理提供了新的范式。

正如普林斯顿大学教授Josh Winn所说：“我原以为开普勒卫星数据中的凌星信号已被‘挖掘殆尽’，不会再有其他行星发现，听到这些新的潜在行星的消息，我非常兴奋，这项寻找新行星的技术成就让我印象深刻。”

这一发现不仅是中国天文学的突破，更是AI与天文学结合的里程碑。它预示着在未来的宇宙探索中，人工智能将成为人类不可或缺的伙伴，帮助我们揭开更多宇宙的奥秘。