AI技术助力探索宇宙，揭示小行星神秘面纱

人工智能助力天文观测：新算法揭示五颗超短周期行星的神秘面纱

感谢IT之家网友西窗旧事的线索投递！近日，由中国科学院上海天文台的葛健教授带领的国际科研团队，在恒星观测领域取得了重大突破。
他们研发了一种结合GPU相位折叠和卷积神经网络的深度学习算法，并在开普勒（Kepler）2017年发布的恒星测光数据中发现了五颗直径小于地球的超短周期行星。
这一发现对于研究行星的早期演化、行星间以及恒星与行星之间的相互作用等，都具有重要的理论意义和实践价值。

背景解析：
随着科技的进步，人工智能技术在多个领域展现出了巨大的潜力。在天文学领域，由于其涉及海量的数据处理和复杂的模式识别，人工智能的应用显得尤为重要。此次，葛健教授团队所研发的新算法GPFC正是结合了GPU的强大计算能力和深度学习的精准识别，从而实现了对恒星观测数据的快速和高效分析。

新算法的特点及优势：

一. 算法结合了GPU相位折叠和卷积神经网络技术，通过深度学习技术实现了对恒星数据的智能解析。
与传统方法相比，GPFC算法的搜寻速度提高了约15倍。
这不仅大大提高了科研效率，也为后续的数据分析提供了更多的可能性。

二. 该算法的检测准确度和完备度各提高了约7%，这对于天文学研究来说至关重要。
在寻找可能存在的小行星时，每一百分之一的准确度提高都可能意味着新的发现。
这一提升使得算法能够更精确地识别出微小的凌星信号。

新发现的超短周期行星：
经过算法的应用，科研团队成功识别出了五颗新的超短周期行星——Kepler-158d、Kepler-963c、Kepler-879c、Kepler-1489c和Kepler-2003b。其中四颗是迄今为止发现的距离其主星最近的行星之一，具有类似火星的大小和轨道特性。特别是Kepler-879c、Kepler-158d和Kepler-1489c分别位列迄今为止发现的最小超短周期行星中的第一、第二和第三名。这些行星的存在为我们提供了关于行星系统早期演化、行星间相互作用以及恒星与行星相互作用的宝贵线索。此次发现的行星大多数都非常接近其主星，显示出新算法在搜寻微弱凌星信号方面的巨大优势。这种优势有助于科学家们更好地研究这些超短周期行星的特征以及它们与主星的相互作用机制。这对于理解行星的形成和演化理论具有重要意义。这些发现还揭示了天文观测数据中的丰富信息以及人工智能在数据处理中的巨大潜力。随着技术的不断进步和算法的持续优化，我们有理由相信未来人工智能将在天文学研究中发挥更加重要的作用。科学家们将能够揭示更多关于宇宙的秘密这一重大发现和研究成就在天文学界引起了广泛关注对高精度的光度观测数据中的凌星信号进行快速高效的搜寻具有重要的研究价值它标志着人工智能在天文领域的应用取得了显著的进展并展现了广阔的应用前景这一成果不仅为我们提供了关于行星系统的宝贵信息也为未来的天文学研究提供了新的方法和工具参考文献：科学家们将继续深入研究这些超短周期行星的性质以及它们对行星形成理论的启示同时他们也将进一步优化和完善新算法以提高其在天文研究中的应用效果参考文献包括皇家天文学会月报等相关的专业期刊以及该科研团队发布的本文链接等附本文链接供读者深入了解相关研究细节和研究过程感谢葛健教授及其团队为我们揭示了这些超短周期行星的神秘面纱让我们共同期待更多关于宇宙的秘密被逐步揭示并推动天文学研究的不断进步和发展（完）

---

---

相关标签： 行星、 天文学、

上一篇：科技新纪元，荣耀平板GTPro引领行业前沿

下一篇：消息称realme真我GT7Pro搭载三星顶级屏幕，手