【ITBEAR】由中國科學院上海天文臺葛健教授率領的國際科研團隊，近期在恒星測光數(shù)據(jù)研究中取得了突破性進展。他們研發(fā)出一種結合GPU相位折疊和卷積神經(jīng)網(wǎng)絡的深度學習算法GPFC，并成功在開普勒（Kepler）2017年釋放的數(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。
該算法相較于國際上流行的BLS法，搜尋速度提高了約15倍，檢測準確度和完備度也各提高了約7%，顯著提升了凌星信號的搜索速度、精度和完備度。
▲ 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）
這五顆新發(fā)現(xiàn)的行星分別是Kepler-158d、Kepler-963c、Kepler-879c、Kepler-1489c和Kepler-2003b。其中，Kepler-879c、Kepler-158d、Kepler-1489c和Kepler-963c位列迄今為止發(fā)現(xiàn)的最小超短周期行星中的前四和第五名，它們的大小類似火星，且距離其主星非常近。
這些新發(fā)現(xiàn)的超短周期行星對于研究行星系統(tǒng)的早期演化、行星-行星相互作用以及恒星-行星相互作用的動力學（包括潮汐力和大氣侵蝕）具有重要意義。它們?yōu)樾行切纬衫碚撗芯刻峁┝诵碌年P鍵線索。
該研究成果不僅展示了人工智能在天文學領域的應用潛力，還為在高精度光度觀測數(shù)據(jù)中快速而高效地搜尋凌星信號提供了新的研究方式。這一創(chuàng)新性的方法有望為未來的天文研究開辟新的道路。
